一种基于相关变量选择的工业故障诊断方法

发明专利有效专利

申请号：
CN201910189841.4
IPC分类号：G06F17/50;G06F17/16;G06F17/18
申请日期：
2019-03-13
申请人：
东北大学

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	一种基于相关变量选择的工业故障诊断方法
申请号	CN201910189841.4	申请日期	2019-03-13
法律状态	实质审查	申报国家	中国
公开/公告日	2019-08-02	公开/公告号	CN110083860A
优先权	暂无	优先权号	暂无
主分类号	G06F17/50 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/50 计算机辅助设计（静态存储的测试电路的设计入G11C 29/54）〔6，8〕	IPC分类号	G;0;6;F;1;7;/;5;0;;;G;0;6;F;1;7;/;1;6;;;G;0;6;F;1;7;/;1;8查看分类表>
申请人	东北大学	申请人地址	辽宁省沈阳市和平区文化路3号巷11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	东北大学	当前权利人	东北大学
发明人	邓瑞祥;张颖伟
代理机构	沈阳东大知识产权代理有限公司	代理人	梁焱

摘要

本发明涉及故障监测与诊断技术领域，提供一种基于相关变量选择的工业故障诊断方法，首先采集正常工况样本和每种工业故障的故障工况样本，然后根据正常工况样本建立PCA监测模型，再基于LASSO算法，同时考虑正常工况数据与故障工况数据以及从正常工况数据到故障工况数据的相对变化来建立每种工业故障的故障相关变量选择模型，通过结合故障重构思想的修正的LARS算法求解模型以精准地选择出每种故障的相关变量，接着基于故障子空间的思想建立每个子空间的PCA监测模型，最后实时采集工业生产样本并对工业故障进行在线实时检测与诊断。本发明能够在检测出工业故障的同时对故障类型进行诊断，提高工业故障诊断的效率及准确性。

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