[發(fā)明專利]一種設(shè)備的故障分類診斷方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210069176.3
• 申請(qǐng)日: 2012-03-15
• 公開(kāi)（公告）號(hào): CN102706573A
• 公開(kāi)（公告）日: 2012-10-03
• 發(fā)明（設(shè)計(jì)）人: 陳勇旗
• 申請(qǐng)（專利權(quán)）人: 寧波大學(xué)
• 主分類號(hào): G01M99/00
• 分類號(hào): G01M99/00
• 代理公司: 寧波奧圣專利代理事務(wù)所(普通合伙) 33226
• 代理人: 程曉明

1.一種設(shè)備的故障分類診斷方法，其特征在于包括以下步驟：

（1）構(gòu)建特征加權(quán)最小二乘支持向量機(jī)的分類器模型；

（2）構(gòu)建復(fù)合型特征加權(quán)最小二乘支持向量機(jī)的分類器模型；

（3）構(gòu)建復(fù)合型特征加權(quán)最小二乘支持向量機(jī)的分類器模型的模型參數(shù)；

（4）將設(shè)備的故障訓(xùn)練樣本輸入，對(duì)復(fù)合型特征加權(quán)最小二乘支持向量機(jī)的分類

器模型進(jìn)行訓(xùn)練；

（5）將設(shè)備的待測(cè)故障樣本輸入訓(xùn)練后的復(fù)合型特征加權(quán)最小二乘支持向量機(jī)的

分類器模型中進(jìn)行故障分類診斷。

2.權(quán)利要求1所述的一種設(shè)備的故障分類診斷方法，其特征在于所述的步驟（1）

中的特征加權(quán)最小二乘支持向量機(jī)的分類器模型的構(gòu)建過(guò)程為：

（1）構(gòu)建最小二乘支持向量機(jī)的分類器模型：首先設(shè)定????????????????????????????????????????????????個(gè)訓(xùn)練樣本?，

x_i為第i個(gè)輸入數(shù)據(jù)，，表示x_i所在的輸入空間，d表示空間維數(shù),表示輸入數(shù)據(jù)x_i相對(duì)應(yīng)的類別，，表示訓(xùn)練樣本從輸入空間到高維特征空間的非線性映射，通過(guò)將訓(xùn)練樣本從輸入空間映射到高維特征空間，在高維特征空間最小二乘支持向量機(jī)的分類問(wèn)題表述的函數(shù)式為:

?????????????

?????????????s.t.

其中min表示求最小值，w表示高維特征空間的權(quán)值向量，b表示偏置系數(shù)，c?表示懲罰系數(shù)，表示松弛變量，表示錯(cuò)分的程度，上標(biāo)T表示轉(zhuǎn)制運(yùn)算，s.t.表示約束條件；然后引入拉格朗日函數(shù)，得到拉格朗日函數(shù)的最小值的表達(dá)函數(shù)式為：

其中是拉格朗日乘子，對(duì)應(yīng)的為支持向量，使L對(duì)w、b、、的偏導(dǎo)數(shù)等于零，同時(shí)引入核函數(shù)（i?=1，2，3，…n；j=1，2，3，…n），計(jì)算出和的具體結(jié)果，根據(jù)和的結(jié)果，得到最小二乘支持向量機(jī)的分類決策函數(shù)為，即構(gòu)建了最小二乘支持向量機(jī)的分類器模型；

（2）在最小二乘支持向量機(jī)的分類器模型的基礎(chǔ)上構(gòu)建特征加權(quán)最小二乘支持向量機(jī)的分類器模型：首先設(shè)置樣本特征權(quán)值參數(shù)為，p=1，2，3，…，m，，為特征序號(hào)，在此基礎(chǔ)上構(gòu)造特征權(quán)值矩陣，利用特征權(quán)值矩陣改進(jìn)最小二乘支持向量機(jī)，使權(quán)值越小的特征對(duì)非線性映射函數(shù)和核函數(shù)的計(jì)算影響越小，改進(jìn)后的最小二乘支持向量機(jī)的分類問(wèn)題可表述為函數(shù)式：

????????

s.t.???

其中，，，，?，，然后通過(guò)拉格朗日乘子法進(jìn)行優(yōu)化，同時(shí)引入核函數(shù)，計(jì)算可得到如下矩陣等式：

s.t.?，，

,

其中，高斯核函數(shù)為：

，其中σ表示高斯核函數(shù)的徑向?qū)挾葏?shù)，得到特征加權(quán)最小二乘支持向量機(jī)的分類決策函數(shù)為：?，即構(gòu)建了特征加權(quán)最小二乘支持向量機(jī)的分類器模型。

3.根據(jù)權(quán)利要求1所述的一種設(shè)備的故障分類診斷方法，其特征在于所述的步驟

（2）中的復(fù)合型特征加權(quán)最小二乘支持向量機(jī)的分類器模型是在特征加權(quán)最小二乘支持向量機(jī)的分類器模型的基礎(chǔ)上，以特征加權(quán)最小二乘支持向量機(jī)的分類準(zhǔn)確率作為適應(yīng)度函數(shù)，通過(guò)復(fù)合型算法對(duì)特征加權(quán)最小二乘支持向量機(jī)的權(quán)值向量進(jìn)行迭代選擇，獲取最優(yōu)權(quán)值向量，再將最優(yōu)權(quán)值向量帶入特征加權(quán)最小二乘支持向量機(jī)的分類器模型，得到復(fù)合型特征加權(quán)最小二乘支持向量機(jī)的分類器模型。