基于狄利克雷混合模型的转动机械运行状态异常检测方法与流程

技术特征：

1.一种基于狄利克雷混合模型的转动机械运行状态异常检测方法，其特征在于包括如下步骤：

(1)采集机组正常工况运行数据和实时工况运行数据：通过安装在机械上的传感器采集表征机组运行状态的数据，数据包括正常工况数据和实时工况数据，每种工况数据推荐样本数为50-150组；

(2)提取数据特征，构造特征相空间：提取能反映机组状态监测数据变化的多种特征，包括时域特征和频域特征，并构造特征相空间；

(3)设定狄利克雷混合模型初始聚集参数α；

(4)运用正常数据特征相空间训练得到基于狄利克雷混合模型的统计分布模型，模型数自学习结果为T，并将该模型设定为基准模型；

(5)计算正常数据模型间距离，自学习报警门限；

(6)将模型数设定为T，训练实时数据统计分布模型；

(7)计算正常数据和实时数据特征相空间模型间的距离；

(8)判断距离是否超过设定的报警门限，超过报警门限则报警，反之，继续采集数据。

2.根据权利要求1所述方法，其特征在于：所述步骤2)中，提取数据特征集，计算所用特征值包括时域特征，频域特征；运用这些特征构造相空间，结果如下：

其中：x_(i,j)(i＝1,2,…,n；j＝1,2,…,m)代表样本特征，X_i(i＝1,2,…,n)代表每个样本全部特征构造的相空间，A_j(j＝1,2,…,m)为样本的m类特征构成的特征子集。

3.根据权利要求1所述方法，其特征在于：所述步骤6)中，将模型数设定为T，训练实时数据统计分布模型：运用步骤4)中相同的方法，计算当前数据特征相空间X_current的模型：

其中：β_j为模型权重，θ为模型参数集。

4.根据权利要求1所述方法，其特征在于：所述步骤7)中，计算正常工况和实时工况运行数据特征相空间模型间的距离D：

D＝|f(X_current)-f(X_norm)|

5.根据权利要求1所述方法，其特征在于：所述步骤8)中，计算正常工况数据相空间模型间距离，将正常数据模型距离最大值设定为报警门限。