汽轮机故障严重程度的评估方法、终端设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108509732A(43)申请公布日2018.09.07(21)申请号201810303637.6(22)申请日2018.04.03(71)申请人厦门理工学院地址361000福建省厦门市集美区后溪镇理工路600号(72)发明人潘巍巍贺惠新(74)专利代理机构厦门市精诚新创知识产权代理有限公司35218代理人何家富(51)Int.Cl.G06F17/50(2006.01)G06K9/62(2006.01)权利要求书2页说明书5页附图1页(54)发明名称汽轮机故障严重程度的评估方法、终端设备及存储介质(57)摘要本发明涉及一种汽轮机故障严重程度的评估方法，包括以下步骤：S1、获取根据汽轮机故障严重程度的分类数据；S2、将特征集合A划分为两个特征子集：单调特征子集Am和非单调的特征子集Anm；S3、从单调特征子集Am中计算获得最好的单调特征子集Amp；S4、从非单调的特征子集Anm与最好的单调特征子集Amp中计算获得最好的特征子集Ap；S5、基于汽轮机的样本集合U＝{x1,x2,...,xn}，获取Ap的所有特征，以故障的严重程度D＝{d1,d2,...,dk}为类别，作为分类器的训练样本，构建训练出一个分类模型，训练结果记为Me；S6、以模型Me为故障严重程度的评估模型，对待评判的数据进行分类，分类结果也在D＝{d1,d2,...,dk}中，此即对应故障的严重程度。CN108509732ACN108509732A权利要求书1/2页1.一种汽轮机故障严重程度的评估方法，其特征在于：所述评估方法包括以下步骤：S1：获取根据汽轮机故障严重程度的分类数据，汽轮机的样本集合记为U＝{x1,x2,...,xn}，这些样本的特征集合记为A＝{a1,a2,...,aj}，这样每个样本由A进行描述，而故障的严重程度为D＝{d1,d2,...,dk}，从而样本xi在特征aj∈A和故障的严重程度D上的取值分别记为v(xi,aj)和v(xi,D)；S2：将特征集合A划分为两个特征子集：单调特征子集Am和非单调的特征子集Anm；S3：从单调特征子集Am中计算获得最好的单调特征子集Amp；S4：从非单调的特征子集Anm与最好的单调特征子集Amp中计算获得最好的特征子集Ap；S5：基于汽轮机的样本集合U＝{x1,x2,...,xn}，获取Ap的所有特征，以故障的严重程度D＝{d1,d2,...,dk}为类别，作为分类器的训练样本，构建训练出一个分类模型，训练结果记为Me；S6：以模型Me为故障严重程度的评估模型，对待评判的数据进行分类，分类结果也在D＝{d1,d2,...,dk}中，此即对应故障的严重程度。2.如权利要求1所述的汽轮机故障严重程度的评估方法，其特征在于：步骤S2的具体过程如下：S21：计算每个特征与故障的严重程度之间的排序互信息值:其中，指关于属性a，小于等于xi的样本集合，即表示决策值小于xi的样本集合，即排序互信息值越大表示这个特征与故障的严重程度之间的单调关系越强；S22：设置阈值若则特征a被判定为单调特征，归到单调特征子集Am，否则归到非单调特征子集Anm。3.如权利要求2所述的汽轮机故障严重程度的评估方法，其特征在于：步骤S3的具体过程如下：S31：获得单调特征子集Am中各种可能的特征子集的组合：将所有的特征，通过排列组合的形式，组合出所有可能的特征子集的组合；S32：计算步骤S31得到的各特征子集的故障严重支持判定程度，获得Amp：设单个子集为B，则对任意的样本xi，找到就单调特征子集Bm而言比xi好，就非单调特征子集Bnm而言与xi相似的样本集合：其中，表示集合的基数，最好的B即为Amp。4.如权利要求3所述的汽轮机故障严重程度的评估方法，其特征在于：步骤S4的具体过程如下：S41：获得Anm中的特征和Amp能进行组合的各种可能的特征子集的组合；S42：计算步骤S41得到的各特征子集的故障严重支持判定程度，获得最好的特征子集2CN108509732A权利要求书2/2页Ap，即对某一特征子集B，计算混合单调一致的样本对数量一致样本对数量越大，表示特征子集B对故障的严重程度D的分类能力越强，最好的B即为Ap。5.如权利要求1所述的汽轮机故障严重程度的评估方法，其特征在于：步骤S5中的分类器包括：决策树、支持向量机或贝叶斯分类器。6.一种用于评估汽轮机故障严重程度的终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中的任一项所述方法的步骤。7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1