[發(fā)明專利]基于加權(quán)極限學習機集成算法的污水處理故障診斷方法

在審

• 申請?zhí)枺?/td>: 201710021709.3
• 申請日: 2017-01-12
• 公開（公告）號: CN106874934A
• 公開（公告）日: 2017-06-20
• 發(fā)明（設(shè)計）人: 許玉格;孫稱立;陳立定
• 申請（專利權(quán)）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司44245
• 代理人: 羅觀祥

1.一種基于加權(quán)極限學習機集成算法的污水處理故障診斷方法，其特征在于，所述方法包括：

S1、采用集成學習算法AdaBoost作為不平衡數(shù)據(jù)分類的整體算法框架，將不平衡數(shù)據(jù)的最優(yōu)類分布和最優(yōu)類代表樣例的尋找與集成學習中的多次采樣技術(shù)融合，并生成集成分類器；

S2、采用改進后的集成算法權(quán)值初始化方法進行初始化；

S3、采用改進后的加權(quán)極限學習機作為集成學習算法的基分類器進行迭代；

S4、輸入污水處理過程中產(chǎn)生的樣本數(shù)據(jù)，設(shè)置集成算法的基分類器個數(shù)T，基分類器的最優(yōu)核寬度γ，對應的最優(yōu)正則化系數(shù)C，進行迭代，對輸入的污水數(shù)據(jù)進行分類即故障診斷。

2.根據(jù)權(quán)利要求1所述的基于加權(quán)極限學習機集成算法的污水處理故障診斷方法，其特征在于，所述步驟S1具體包括：

S11、給定污水樣本集{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，其中x_i∈X表示X的第i個樣本，y_i表示其對應的類別標簽，y_i∈Y＝{1,2,…,k}，k表示總共有k個類別；

S12、初始化訓練樣本x_i的權(quán)重分布D(i)：i＝1,2,…,N；

S13、訓練弱分類器；

S14、得到集成分類器。

3.根據(jù)權(quán)利要求2所述的基于加權(quán)極限學習機集成算法的污水處理故障診斷方法，其特征在于，所述步驟S13具體包括：

S131、設(shè)置集成算法的基分類器個數(shù)T；

S132、使用加權(quán)核極限學習機作為基分類器h_t對訓練樣本進行訓練，得到訓練模型和訓練誤差ε_t，若樣本分類正確則不計入誤差，若所有樣本都被正確分類則誤差為0，若樣本分類錯誤則計入誤差；

S133、若ε_t≥0.5，則退出迭代；

S134、計算基分類器h_t的權(quán)重

S135、調(diào)整樣本下一輪迭代的權(quán)值分布D_t+1，D_t+1的調(diào)整規(guī)則如下所示：

D_t+1(i)＝D_t(i)exp(-α_t*I(x_i))，

4.根據(jù)權(quán)利要求2所述的基于加權(quán)極限學習機集成算法的污水處理故障診斷方法，其特征在于，所述集成分類器為：

$f\left(x\right)=\underset{k}{\arg \max }\underset{t=1}{\overset{T}{\Σ}}{\mathrm{\α}}_t\·(h_t\left(x\right)=k).$