[發明專利]一種基于支持向量機與專家系統的故障診斷方法

在審

• 申請號: 201410169738.0
• 申請日: 2014-04-24
• 公開（公告）號: CN104036112A
• 公開（公告）日: 2014-09-10
• 發明（設計）人: 張麗麗;周小凱;王慧斌;沈潔;李臣明;宗小琴;郭孝傳;潘朝君
• 申請（專利權）人: 河海大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于支持向量機與專家系統的故障診斷方法，其特征在于，包括以下步驟：

(1)將專家知識和經驗通過知識獲取模塊儲存到知識庫中；

(2)推理機獲取知識庫中知識前先對其進行預處理；

(3)選擇核函數；

(4)使用交叉驗證的方法搜尋最優參數C和γ；

(5)推理機對預處理后的數據根據最優參數C和γ進行訓練并分類，生成相應的支持向量模型；

(6)將實時采集過來的數據進行特征值提取存入到數據庫中；

(7)當對步驟(6)數據進行判別時，推理機根據步驟(5)訓練生成的支持向量模型對步驟(6)獲取的數據進行分類學習，判斷故障所屬的類型及原因；

(8)輸出診斷結果。

2.如權利要求1所述的一種基于支持向量機與專家系統的故障診斷方法，其特征在于，所述步驟(2)中的預處理步驟為將知識庫中知識轉換成支持向量機所要求的輸入格式。

3.如權利要求1所述的一種基于支持向量機與專家系統的故障診斷方法，其特征在于，所述推理機采用的是支持向量機。

4.如權利要求3所述的基于支持向量機與專家系統的故障診斷方法，其特征在于，所述支持向量機是多類支持向量機，采用一對一的分類方法，把k類分類問題，構造成N＝k(k-1)/2個兩類SVM分類器。

5.如權利要求3所述的基于支持向量機與專家系統的故障診斷方法，其特征在于，所述支持向量機中使用的分類模型是C-SVC,采用懲罰參數的SVM思想進行分類。

6.如權利要求1所述的基于支持向量機與專家系統的故障診斷方法，其特征在于，所述步驟(3)的核函數采用的是RBF核函數，所述RBF核函數確定的參數是懲罰參數和核參數，懲罰參數的作用是在映射后的高維空間匯總，對學習機器的置信區間范圍進行調節；核參數的作用是映射后的數據在高維空間分布的復雜程度。

7.如權利要求6所述的基于支持向量機與專家系統的故障診斷方法，其特征在于，所述RBF核函數的表達式為K(x,y)＝exp{-γ|x-y|²}，其中x,y是特征向量。