[發(fā)明專利]基于自適應(yīng)加權(quán)組稀疏表達(dá)的水電機(jī)組噪聲異常診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610107539.6
• 申請(qǐng)日: 2016-02-26
• 公開（公告）號(hào): CN105678343B
• 公開（公告）日: 2019-03-15
• 發(fā)明（設(shè)計(jì)）人: 鄭建煒;黃瓊芳;楊平;邱虹;王萬(wàn)良
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 杭州天正專利事務(wù)所有限公司 33201
• 代理人: 王兵;黃美娟

1.一種基于自適應(yīng)加權(quán)組稀疏表達(dá)的水電機(jī)組噪聲異常診斷方法，其特征在于：所述異常診斷方法能夠自適應(yīng)消除干擾信號(hào)對(duì)診斷的影響，同時(shí)采用加權(quán)組稀疏表達(dá)計(jì)算重構(gòu)誤差，增加診斷方法的穩(wěn)定性的同時(shí)提升方法的鑒別力；

具體方法包括如下步驟：

a)確定訓(xùn)練故障噪聲樣本進(jìn)行模型訓(xùn)練，通過構(gòu)造自適應(yīng)權(quán)值w判斷信息的污染、丟失，以及在稀疏表達(dá)過程增加局部約束權(quán)值獲得最優(yōu)化稀疏系數(shù)α；

b)將所有的樣本通過特征加權(quán)系數(shù)表示，然后選擇重構(gòu)誤差小分類規(guī)則進(jìn)行識(shí)別率檢測(cè)；

在所述步驟a)中，自適應(yīng)權(quán)值w構(gòu)造和最優(yōu)化稀疏系數(shù)α求解包括下述八個(gè)步驟：

步驟1，確定訓(xùn)練故障噪聲樣本包含c類，訓(xùn)練樣本矩陣X＝[X₁,X₂,…,X_c]∈R^m×n，m表示訓(xùn)練樣本維數(shù)，n表示訓(xùn)練樣本總數(shù)，且第i類訓(xùn)練樣本子集是第i類數(shù)據(jù)的訓(xùn)練樣本子集，x_ij∈R^m表示第i類目標(biāo)的第j個(gè)樣本，n_i為第i類訓(xùn)練樣本數(shù)，y∈R^m為測(cè)試樣本；設(shè)定方差參數(shù)λ以及最大迭代次數(shù)Mt；

步驟2，初始化稀疏系數(shù)矩陣α＝[1,1/2,…,1/n]；

步驟3，以步驟1中樣本矩陣X作為超完備數(shù)據(jù)字典，計(jì)算測(cè)試樣本y的重構(gòu)誤差e，y_i表示測(cè)試樣本的第i個(gè)特征，e_i是第i個(gè)特征點(diǎn)的重構(gòu)誤差，i＝1,…,m，其中r_i表示X中第i行；當(dāng)測(cè)試樣本中第i個(gè)特征點(diǎn)受到噪聲污損時(shí)，通過特征權(quán)值s_i削弱甚至剔除該點(diǎn)的重構(gòu)貢獻(xiàn)：

e＝y(tǒng)-Xα

e_i＝y(tǒng)_i-r_iα

步驟4，根據(jù)步驟3的重構(gòu)誤差計(jì)算樣本第i維特征的自適應(yīng)權(quán)值w_i，取μδ＝8，δ為重構(gòu)誤差e中選取的一個(gè)特征誤差值，則w_i表示為：

步驟5，根據(jù)步驟4的自適應(yīng)權(quán)值系數(shù)計(jì)算組稀疏局部約束加權(quán)值η＝diag([η₁,η₂,…,η_c])∈R^n×n，w＝diag([w₁,w₂,…,w_m])∈R^m×m，η_i＝[η_i1；η_i2；…；η_ini]，其中：

η_ik＝r_i^wd_ik^w i＝1,2,…,c，k＝1,2,...n_i，

η_ik表示第i類第k個(gè)樣本的組稀疏加權(quán)值，d_ik^w表示第i類第k個(gè)樣本同測(cè)試樣本之間的距離值，r_i^w表示帶特征約束的類組權(quán)值，用于評(píng)估各類在表示測(cè)試樣本時(shí)的相對(duì)重要性，

其中，代表使得稀疏權(quán)值達(dá)到最小值時(shí)取得的稀疏表示系數(shù)，α_i代表i特征的稀疏系數(shù)，⊙代表矢量w和(X_iα_i-y)依元素相乘；為避免選擇相距遠(yuǎn)的訓(xùn)練數(shù)據(jù)來(lái)表示測(cè)試樣本，需要增加局部約束，采用di^w＝[d_i1^w；d_i2^w；…,d_ini^w]懲罰測(cè)試樣本與第i類訓(xùn)練數(shù)據(jù)的距離值，其定義為

步驟6，根據(jù)步驟4、步驟5構(gòu)建故障診斷方法的目標(biāo)代價(jià)函數(shù)為：

步驟7，根據(jù)步驟6，在此目標(biāo)代價(jià)函數(shù)下，以α求矢量微分并令其為0，迭代求解α：

(α^TX^Tw^TwX-y^TXw^Tw)+λDηα＝0

α＝(X^Tw^TwX+λDη)^-1X^Tw^Twy

D的取值依賴于系數(shù)θ，且樣本權(quán)值對(duì)角矩陣η的計(jì)算依賴于特征權(quán)值矢量w；

步驟8，根據(jù)步驟7迭代更新α，我們記作α^t+1，同上一個(gè)迭代環(huán)節(jié)的α我們記作α^t相比較，根據(jù)收斂條件：

滿足收斂條件輸出最優(yōu)α；否則，跳回步驟3迭代循環(huán)；

在所述步驟b)中，分類規(guī)則包括下述步驟：

根據(jù)步驟8得出最優(yōu)α用于噪聲診斷分類，分類規(guī)則為：

選擇重構(gòu)誤差小的類作為測(cè)試樣本最后的診斷歸屬。