基于不等权局部保持嵌入的故障诊断方法.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CN108122006A(43)申请公布日2018.06.05(21)申请号201711380265.9(22)申请日2017.12.20(71)申请人南通大学地址226000江苏省南通市崇川区啬园路9号(72)发明人卢春红王杰华商亮亮文万志(74)专利代理机构南京正联知识产权代理有限公司32243代理人张素庆(51)Int.Cl.G06K9/62(2006.01)权利要求书2页说明书6页附图1页(54)发明名称局部保持嵌入模型能取得更优越的动态过程的基于不等权局部保持嵌入的故障诊断方法故障诊断效果。(57)摘要本发明公开了一种基于不等权局部保持嵌入的故障诊断方法，该方法旨在解决的问题是：针对现代工业过程数据的复杂动态特性，如何构建动态的有向图谱结构，既保持原始样本的局部近邻关系，又能保持原始特征变量的局部结构关系，嵌入后的低维数据结构关系与原始空间的保持一致。该发明方法利用图谱的不等权连接边构建有向网络，并计算概率距离引导的样本相似度矩阵，形成不等权局部保持嵌入模型，有效表征动态过程的样本局部近邻关系；同时，将特征变量也纳入图谱构建中，保留特征变量的局部关系信息，选取对过程故障产生重要影响的特征变量，进一步增强诊断模型的分类精度。与邻域保持嵌入方法相比，本发明方法不仅表征了过程数据的拓扑结构关系，而且构建了不等权局部保持的有向图谱，获取了样本之间的近邻关系，更好地表征特征变量的局部流形结构，反映过程的动CN108122006A态变化情况。因此，本发明方法所涉及的不等权CN108122006A权利要求书1/2页1.一种基于不等权局部保持嵌入的故障诊断方法，其特征在于，包括以下步骤：A、建立NPE模型，获得样本的重构权重W；B、根据有向邻接图谱，生成邻接顶点的不等权重，获取顶点之间的概率距离，再利用概率距离计算有向图谱的相似度矩阵，描述顶点样本之间的不等权边；C、构建不等权局部保持嵌入模型，原始空间的同类样本在低维空间保持局部性和动态性，即求解高维数据的低维表示；D、建立动态过程的故障诊断模型：根据Fisher鉴别函数，构造多元统计鉴别函数为：式中，μl和Σl分别是第l类的训练样本在低维空间的均值和协方差，则新的测试样本划分到第l类，当满足下式时：C(xt)＝argmin1≤l≤s{gl(xt)}E、建立局部特征变量保持嵌入模型，设计一局部鉴别分值标准，选择最具代表性的特征变量，评估变量对图谱结构保持的能力；F、根据选择的重要的特征变量，构建诊断模型，根据采集的测试样本，划分测试样本的故障类型。2.根据权利要求1所述的一种基于不等权局部保持嵌入的故障诊断方法，其特征在于：所述求解样本的重构权重矩阵的子步骤如下所示：m×na.给定数据集X＝[x1，x2，...，xn]∈R，则NPE的目标函数为：2minW′∑i||xi-∑jw′ijxj||s.t.∑jw′ij＝1，j＝1，2，...，nT-1T-1T利用Lagrange乘子法，获得xij的重构权重wij＝1C/1C1，其中C＝(xi-xj)(xi-xk)，k为近邻xj的个数，1为元素全为1的矩阵，Wi＝(wi1，wi2，...，wik)为Wi中不等于0的k个元素；b.进一步利用相同类标的近邻来表征每个样本点，重构权重重新定义为：式中，l(xi)∈{1，2，...，s}为xi的类标，样本的重构权重矩阵为：W＝[wij]；3.根据权利要求1所述的一种基于不等权局部保持嵌入的故障诊断方法，其特征在于：所述求解有向图谱的相似度矩阵的子步骤如下所示：a.构建动态过程的有向邻接图谱，计算邻接顶点之间的权重Gij，表示为：其中，μl是第l类样本的平均距离；b.邻接顶点的不等权重可定义为：式中，Qij不一定等于Qji，意味着Q为不对称矩阵，表征了有向图谱的邻接顶点之间的不等权值，反映了一对邻接顶点样本对过程变化的贡献程度是不一样的；2CN108122006A权利要求书2/2页c.根据不等权矩阵Q，求解邻接顶点之间的概率距离，表示为：Pij＝1-logQijd.因此，概率距离引导的相似度矩阵S可以表示为：式中，σ是幅宽参数，S描述了有向图谱的顶点样本之间的不等权连接边，有效揭示了过程潜在的动态结构关系，反映动态过程的实时变化；4.根据权利要求1所述的一种基于不等权局部保持嵌入的故障诊断方法，其特征在于：所述求解高维数据的低维表示的子步骤表示为：a.不等权局部保持嵌入模型的目标函数定义为：2TT2minV∑ij||yi-Ywi||Sij＝minV∑ij||Vxi-VXwi||Sij式中，V为投影矩阵；b.目标函数进一步简化为：TTminVtr(VXLXV)TT其中，L＝D-T为拉普拉斯矩阵，D为对角矩阵，且Dii＝∑j(Sij