文献类型：期刊文章

作　　者：鲍中新[1] 文成林[2] 马雪[1]

BAO Zhong-xin;WEN Cheng-lin;MA Xue(School of Automation,Hangzhou Dianzi University,Hangzhou,Zhejiang 310018,China;School of Automation,Guangdong University of Petrochemical Technology,Maoming,Guangdong 525000,China)

机构地区：[1]杭州电子科技大学自动化学院,浙江杭州310018 [2]广东石油化工学院自动化学院,广东茂名525000

出　　处：《电子学报》

基　　金：国家电网有限公司科技项目(No.SGHB0000KXJS1800375)。

年　　份：2021

卷　　号：49

期　　号：11

起止页码：2234-2240

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于深度学习的方法解决微小故障已经取得了很大的进展和很好的效果,但是前提要有充足的样本数据,在现有的情况下却难以实现.所以基于传统的数据预处理的故障诊断方法仍然有很好的必要性和现实性.主元分析(Principal Component Analysis, PCA)被广泛应用在故障诊断中,由于传统的数据预处理方法各有优势和不足,造成特征提取不准确,为此该文提出了一种基于数据变化率(Rate Of Change, ROC)的数据预处理方法以提高PCA在故障诊断中的性能指标.通过变化率变换对原始数据集预处理后,能够有效地检测系统变量中的微小故障.最后,通过仿真验证基于数据变化率的PCA故障诊断方法的可行性和有效性.

关 键 词：故障诊断 数据驱动 数据预处理 Gap度量  主元分析 变化率变换  特征提取

分 类 号：TP273]