Resumen

Dado que los problemas de series temporales multivariantes existen ampliamente en la producción social y en la vida, el método de diagnóstico de fallos ha proporcionado a la gente mucha información valiosa en los campos de las finanzas, la hidrología, la meteorología, los terremotos, la videovigilancia, la ciencia médica y otros. Para encontrar fallos en secuencias temporales de forma rápida y eficiente, este artículo presenta un método de procesamiento de series temporales multivariantes basado en el colector riemanniano. Este método se basa en la ventana deslizante y utiliza la matriz de covarianza como descriptor de la secuencia temporal. Se utiliza la distancia riemanniana como medida de similitud y se aplica el diagrama estadístico de control de procesos para detectar la anormalidad de las series temporales multivariantes. Y la visualización de la distribución de la matriz de covarianza se utiliza para detectar la anormalidad de los equipos mecánicos, lo que lleva a realizar el diagnóstico de fallos. Con las averías de la multiplicadora de la turbina eólica como objeto experimental, se verifica el método de diagnóstico de averías y los resultados muestran que el método es razonable y eficaz.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:método de diagnóstico de fallos, secuencia temporal, problemas de series temporales multivariantes, método de tratamiento de series temporales multivariantes, diagrama de control estadístico de procesos, fallos de la caja de engranajes de aerogeneradores, distribución de la matriz de covarianza, series temporales multivariantes, anomalía, método
• Keywords:fault diagnosis method, time sequence, multivariate time series problems, multivariate time series processing method, statistical process control diagram, wind turbine gearbox faults, covariance matrix distribution, multivariate time series, abnormity, method