基于数据驱动的故障诊断方法及其应用研究

随着检测技术和存储能力的不断提高，故障数据积累迅速，数据量急剧膨胀，人们经常面对大量、乃至海量数据。对此，基于解析模型的故障诊断方法难能奏效；已有的以数据为对象的故障诊断方法都着眼于方法的可行性，不管数据的背景和数据有怎样的空间信息、知识信息，所用方法都将按着不变的模式进行诊断。而高效率、实时性故障诊断则要求给出对数据最具针对性的诊断方法。要使诊断方法具有针对性，就不能从方法出发让数据适应方法，而必须从数据出发去寻求适合数据的方法，即研究基于数据驱动的故障诊断方法。我们主要研究：基于监督数据驱动的故障诊断方法、基于无监督数据驱动的故障诊断方法和基于隶属度融合技术的故障诊断方法。用数据挖掘技术挖掘隐藏在数据中的故障知识，用获取的知识揭示数据的故障特点，根据数据呈现的故障特点构建针对性的诊断方法。由此建立针对数据的故障识别模型或描述模型，对提高故障诊断效率和诊断的实时性有重要意义。