基于正则化方法改进多变量灰色模型的故障预测方法，属于故障预测领域，本发明专利技术为解决多变量灰色模型GM(1，N)在用最小二乘法计算灰色系数的过程中可能出现病态，但目前没有解决方案的问题。本发明专利技术在不改变原有多变量灰色模型计算框架的前提下，在求灰色系数前，先判断是否会出现病态问题，如果是，则用正则化方法来求解该系数，否则，仍用最小二乘法求解。这样，有利于得到更加准确的灰色系数，提高灰色模型的故障预测精度。
【技术实现步骤摘要】
本专利技术涉及，属于故障预测领域。
技术介绍
依据系统与信息之间的关系，可将系统分为三类白色系统(信息完全明确)、黑色系统(信息完全不明确)和灰色系统(信息部分明确，部分不明确)。鉴于很多实际设备系统呈现灰性，华中理工大学的邓聚龙教授于1982年提出了解决此类问题的灰色系统理论，现今已经成为故障预测等众多领域的主要方法之一。作为灰色理论的重要分支，灰色模型通过建立特殊的微分方程来掲示系统内部事物连续发展变化的规律，对时间序列短、统计数据少、信息不完全的设备系统的建模与分析，具有独特的优势，得到了广泛的应用。事实上，灰色模型可以统称为GM(P，Q)，其中G代表Grey，M代表Model，P代表灰色模型是P 阶方程，Q代表灰色模型有Q个变量。最常用的灰色模型是ー维情形的GM(1，I) (P=1,Q=I)，多变量灰色模型可以表示为GM (I，N) (P = 1，Q = N)。作为ー种重要的故障预测技术，灰色模型一方面得到了日益广泛的应用，另一方面仍存在很多亟待解决的问题，如，病态问题。然而，从目前的研究成果来看，已有的病态问题解决办法并不多对于GM(1，I)，主要是通过对原始数据进行简单的数乘变换，以期抑制在最小二乗法求解灰色系数时可能出现的病态问题；对于GM(1，N)，即使是迄今最为突出的基于卷积积分的多变量模型(Convolution Integral based GM(I, N),以下简称GMC(1,N))，也没有涉及对病态问题的处理算法，这直接导致了 GM(1，N)在存在病态问题时会失效，使得其模型模拟能力和故障预测能力大大下降，阻碍了 GM(1，N)的进ー步应用。综上所述，寻求一套切实可行的GM(1，N)病态问题解决办法，不但能提高其故障预测精度，而且有助于其在社会、经济等其他领域的深入应用，扩大灰色系统理论的影响力。
技术实现思路
本专利技术目的是为了解决多变量灰色模型GM(1,N) (Regularization Tools based)在用最小二乗法计算灰色系数的过程中可能出现病态，但目前没有解决方案的问题，提供了一种。本专利技术所述，该方法包括以下步骤步骤一、输入的待测设备的故障原始特征数据序列为Af1 = {^0,(l).x；0,(2)......ず,(幻,..”_t;0i(w)}.k= 1,2,... ,n (I)且.ず!(灸)>0;输入的待测设备的故障相关数据序列为X'^ ={x(,0,(1)..t'1's(2)..........i = 2,3, . . . , N, t = 1,2, . . . , n+m(2)本文档来自技高网...
【技术保护点】
基于正则化方法改进多变量灰色模型的故障预测方法，其特征在于，该方法包括以下步骤：步骤一、输入的待测设备的故障原始特征数据序列为X1(0)={x1(0)(1),x1(0)(2),...,x1(0)(k),...,x1(0)(n)},k＝1，2，...，n？？？？(1)且x1(0)(k)≥0;输入的待测设备的故障相关数据序列为Xi(0)={xi(0)(1),xi(0)(2),...,xi(0)(t),...,xi(0)(n+m)},i＝2，3，...，N，t＝1，2，...，n+m？？？？(2)且xi(0)(t)≥0,其中，m为待预测数据个数，由i＝2，3，...，N决定，通过公式x1(1)(k)=Σl=1kx1(0)(l)---(3)和公式xi(1)(t)=Σl=1txi(0)(l)---(4)计算i＝1，2，...，N的一阶累加生成数步骤二、以为初值，建立如下多变量灰色模型R？GMC(1，N)dx1(1)(t)dt+ax1(1)(t)=Σi=1N-1bixi+1(1)(t)+bN---(5)令灰色系数为κ＝[a？b1？b2...bN]T，计算R？GMC(1，N)的灰色系数κ，根据公式(5)梯形公式化简为Bκ＝Y？？？？(6)其中Y=x1(0)(1)x1(0)(2)···x1(0)(n)T---(7)步骤三、判断步骤二中的矩阵方程(6)是否病态，如果是，则执行步骤五；否则，执行步骤四；步骤四、由最小二乘法计算得到灰色系数κ：κ＝[a？b1？b2...bN]T＝(BTB)？1BTY，然后执行步骤六；步骤五、由正则化方法求解κ，然后执行步骤六；步骤六、利用步骤四或五求得的灰色系数κ对进行预测：x^1(1)(t)=x1(0)(1)e-a(t-1)+12e-a(t-1)f(1)+Στ=2t-1[e-a(t-τ)f(τ)]+12f(t)---(9)其中，f(t)=Σi=1N-1bixi+1(1)(t)+bN,为的预测值，bi，i＝1，2，...，N为相关系数，a为发展系数；步骤七、由步骤六的可求得x^1(0)(t)=x^1(1)(t)-x^1(1)(t-1)---(10)其中，x^1(0)(1)=x1(0)(1),为的预测值。步骤八、由步骤一至七得到了就可以通过下式计算R？GMC(1，N)的预测精度RMSPEPR=1nΣt=1n[x^1(0)(t)-x1(0)(t)]2/[x1(0)(t)]2×100%---(11)RMSPEPO=1mΣt=n+1n+m[x^1(0)(t)-x1(0)(t)]2/[x1(0)(t)]2×100%---(12)其中，RMSPEPR为由前部分样本，即t＝1，2，...，n组成的根平均平方误差百分比，而RMSPEPO为由后部分样本，即t＝n+1，n+2，...，n+m组成的根平均平方误差百分比；步骤九、判断条件是否满足，其中ε1为故障阈值上界，ε2为故障阈值下界，若满足，则说明待测设备无故障；否则，判定待测设备有故障。FDA00001791854800015.jpg,FDA00001791854800016.jpg,FDA00001791854800019.jpg,FDA000017918548000110.jpg,FDA000017918548000111.jpg,FDA00001791854800021.jpg,FDA00001791854800022.jpg,FDA00001791854800025.jpg,FDA00001791854800026.jpg,FDA00001791854800027.jpg,FDA00001791854800028.jpg,FDA000017918548000211.jpg,FDA000017918548000212.jpg,FDA000017918548000213.jpg,FDA000017918548000216.jpg...
【技术特征摘要】
1.基于正则化方法改进多变量灰色模型的故障预测方法，其特征在于，该方法包括以下步骤 步骤一、输入的待测设备的故障原始特征数据序列为2.根据权利要求I所述基于正则化方法改进多变量灰色模型的故障预测方法，其特征在于，步骤三中矩阵方程(6)中矩阵B的大小为(n-1) X (N+1)，而BtB为(N+1) X (N+1)的对称矩阵， 则判断矩阵方程(6)是否为病态的条件为 判断 B...
【专利技术属性】
技术研发人员：沈毅，贺智，冯乃章，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。