[發明專利]基于ELM算法的水下航行器電路故障診斷方法

有效

• 申請號: 201710475045.8
• 申請日: 2017-06-21
• 公開（公告）號: CN107168292B
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 趙東明;柳欣;楊田田
• 申請（專利權）人: 武漢理工大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 張惠玲

1.一種基于ELM算法的水下航行器電路故障診斷方法，其特征在于，包括以下步驟：

搜集水下航行器電路的故障現象和故障原因，建立樣本數據集；

根據樣本數據集，采用極限學習機ELM算法對學習網絡進行訓練，得到學習模型；

給學習模型輸入新的數據；

利用最近相鄰匹配算法，將學習模型的輸出結果與已知故障類型進行匹配；

根據匹配結果診斷水下航行器電路；

所述采用ELM算法對學習網絡進行訓練，之后還包括，

利用最近相鄰匹配算法，將訓練中學習網絡的輸出結果與已知故障類型進行匹配，得到學習模型的誤差值；

判斷學習模型的誤差值是否在允許范圍內：

若學習模型的誤差值在允許范圍內，則進入給學習模型輸入新的數據；

若學習模型的誤差值不在允許范圍內，則返回采用ELM算法對學習網絡進行訓練；

所述搜集水下航行器電路的故障現象和故障原因，建立樣本數據集，具體包括：

搜集水下航行器電路的故障現象和故障原因；

將所述故障現象和故障原因分別等效為現象樣本數據和原因樣本數據；

對所述現象樣本數據和圓心樣本數據進行標準歸一化處理，分別得到故障現象數據集和故障原因數據集；

將故障現象數據集和故障原因數據集構成樣本數據集。

2.根據權利要求1所述的基于ELM算法的水下航行器電路故障診斷方法，其特征在于，所述根據樣本數據集，采用ELM算法對學習網絡進行訓練，得到學習模型，包括：

設樣本數據集為（X，J），所述X代表故障現象數據集，J代表故障原因數據集；

根據樣本數據集為（X，J），計算學習網絡的輸出值；

構建所述學習網絡的輸出方程，所述輸出方程為學習模型。

3. 根據權利要求2所述的基于ELM算法的水下航行器電路故障診斷方法，其特征在于，對所述現象樣本數據和圓心樣本數據進行標準歸一化處理的公式為：

（1）

公式（1）中，為樣本數據的均值，為樣本數據的標準差；即：

（2）

（3）。

4.根據權利要求3所述的基于ELM算法的水下航行器電路故障診斷方法，其特征在于，所述計算學習網絡的輸出值，公式為：

（4）

公式（4）中，為輸出值的權重；表示第i個隱層節點的輸出；此處的為第i個徑向基函數節點的中心和影響因子。

5.根據權利要求4所述的基于ELM算法的水下航行器電路故障診斷方法，其特征在于，所述通過下列公式求得：

（5）。

6.根據權利要求5所述的基于ELM算法的水下航行器電路故障診斷方法，其特征在于，所述學習網絡的輸出方程為：

（6）

公式（6）中，

（7）

（8）

（9）

（10）

其中，的值在[-1,1] 區間內隨機給定，β是在隨機給定的基礎上的最優輸出權重。

7.根據權利要求6所述的基于ELM算法的水下航行器電路故障診斷方法，其特征在于，

所述最近相鄰匹配算法的公式為：

（11）

表示當前學習網絡輸出的第k個指標與已知故障類型的第k個指標的不相似度，即匹配結果；表示當前指標在評價故障類型時所占的比重。

8.根據權利要求7所述的基于ELM算法的水下航行器電路故障診斷方法，其特征在于，所述根據匹配結果診斷水下航行器電路，具體包括：

若，就判定當前故障類型為當前匹配的已知故障類型。