一种基于非相似度指标的故障分类诊断方法

摘要

本发明公开一种基于非相似度指标的故障分类诊断方法，该方法旨在解决实际工业过程中实施故障分类诊断方法时面临的两个关键性问题：参考故障类型的可用训练样本数有限而不同故障的采样数据会在空间分布上存在重叠现象。该发明方法首先通过对每种参考故障类型进行特征变量选择，选择出该种故障最能区别于正常数据的特征变量。然后，利用特征变量两两对比在线故障数据窗口与各个参考故障数据窗口的分布非相似度，在线检测出的故障类型就对应于取得最小非相似度指标的参考故障类型。与传统分类诊断方法相比，本发明方法通过变量选择降低了变量维数，不仅大大减少了训练数据不充分的制约性，而且还能剔除非特征变量的“干扰”影响。此外，该方法通过窗口数据在空间分布上的相似匹配来实施故障诊断，能最大化地避免重叠数据的错分类情况。