一种工业过程中基于度量学习与时间序列的故障诊断方法

发明专利无效专利

申请号：
CN201510409192.6
IPC分类号：G05B23/02
申请日期：
2015-07-13
申请人：
哈尔滨工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种工业过程中基于度量学习与时间序列的故障诊断方法
申请号	CN201510409192.6	申请日期	2015-07-13
法律状态	撤回	申报国家	中国
公开/公告日	2015-12-02	公开/公告号	CN105116872A
优先权	暂无	优先权号	暂无
主分类号	G05B23/02 ? IPC结构图谱： G 物理 G0 仪器 G05 控制；调节 G05B 一般的控制或调节系统；这种系统的功能单元；用于这种系统或单元的监视或测试装置（应用流体作用的一般流体压力执行器或系统入F15B；阀门本身入F16K；仅按机械特征区分的入G05G；传感元件见相应小类，例如G12B，G01、H01的小类；校正单元见相应的小类，例如H02K） G05B23/00 控制系统或其部件的检验或监视（程序控制系统的监视入G05B 19/048，G05B 19/406） G05B23/02 电检验式监视	IPC分类号	G;0;5;B;2;3;/;0;2查看分类表>
申请人	哈尔滨工业大学	申请人地址	黑龙江省哈尔滨市南岗区西大直街92号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	哈尔滨工业大学	当前权利人	哈尔滨工业大学
发明人	尹珅;闫国杨;高会军
代理机构	哈尔滨市松花江专利商标事务所	代理人	杨立超

摘要

一种工业过程中基于度量学习与时间序列的故障诊断方法，本发明涉及故障诊断方法。本发明是要解决为了解决现有故障诊断方法存在系统成本高、在线诊断困难以及故障类型难以分辨等问题，而提出的一种工业过程中基于度量学习与时间序列的故障诊断方法。该方法是通过步骤一、将系统故障分为n种类型；步骤二、制备训练样本；步骤三、对训练样本进行预处理；步骤四、对预处理后的训练样本进行度量学习；步骤五、求取实时监测样本与n个子类的距离；步骤六、根据实时监测样本与n个子类的距离，采用KNN分类方法进行故障诊断即判断系统是否发生故障以及故障类型；等步骤实现的。本发明应用于故障诊断领域。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供