[發(fā)明專利]一種基于混沌粒子群的優(yōu)化核主元分析故障監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 201910322851.0
• 申請日: 2019-04-22
• 公開（公告）號: CN110175682A
• 公開（公告）日: 2019-08-27
• 發(fā)明（設(shè)計）人: 肖應(yīng)旺;姚美銀;劉軍;張緒紅;陳貞豐
• 申請（專利權(quán)）人: 廣東技術(shù)師范大學(xué)
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q10/06;G06N3/00;G06N7/08
• 代理公司: 廣州恒華智信知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44299
• 代理人: 姜宗華

本發(fā)明公開了一種基于混沌粒子群的優(yōu)化核主元分析故障監(jiān)測方法，該方法包括：獲取初始數(shù)據(jù)矩陣；所述初始數(shù)據(jù)矩陣包括正常數(shù)據(jù)樣本矩陣和故障數(shù)據(jù)樣本矩陣；通過非線性映射φ將所述初始數(shù)據(jù)空間映射到隱式特征空間中，并在隱式特征空間中進行非線性特征變換；將所述初始數(shù)據(jù)矩陣作為訓(xùn)練數(shù)據(jù)建立故障監(jiān)測模型；獲取測試數(shù)據(jù)；將所述測試數(shù)據(jù)輸入所述故障監(jiān)測模型中，對所述測試數(shù)據(jù)進行故障在線監(jiān)測。通過本發(fā)明，通過混沌粒子群優(yōu)化算法對核主元分析的核函數(shù)參數(shù)進行優(yōu)化，以發(fā)現(xiàn)最優(yōu)的非線性特征，并準確地監(jiān)測出非線性故障，從而降低監(jiān)測延遲時間，提高故障監(jiān)測精度。

技術(shù)領(lǐng)域

本發(fā)明涉及故障監(jiān)測領(lǐng)域，特別涉及一種基于混沌粒子群的優(yōu)化核主元分析故障監(jiān)測方法。

背景技術(shù)

近些年來，核主元分析方法(Kernel Principal Component Analysis,KPCA)作為一種先進的主元分析方法，已被廣泛應(yīng)用于監(jiān)測工業(yè)過程的非線性特性。KPCA通過非線性映射函數(shù)將原始輸入空間映射到高維特征空間，在進行非線性特征變換時，核函數(shù)的選取會嚴重影響KPCA的監(jiān)測性能，所以選擇合適的核函數(shù)是其關(guān)鍵。

KPCA核函數(shù)的確定目前主要有k交叉驗證誤差估計、留一法誤差估計方法，但它們僅限于現(xiàn)有的通用核函數(shù)和基于經(jīng)驗的預(yù)定參數(shù)優(yōu)化。有人提出了采用梯度下降法來解決核函數(shù)優(yōu)化問題，但該算法需計算目標函數(shù)對優(yōu)化參數(shù)的偏導(dǎo)，若目標函數(shù)對某個參數(shù)的偏導(dǎo)不存在或因計算復(fù)雜而無法求解時，采用梯度下降法就不能實現(xiàn)核函數(shù)優(yōu)化。還有人提出了利用改進的遺傳算法對核函數(shù)尋優(yōu)，但遺傳算法存在編碼和遺傳操作的復(fù)雜過程。進一步，利用粒子群算法(Particle Swarm Optimization,PSO)尋優(yōu)能力，一些研究者將PSO應(yīng)用到KPCA的核函數(shù)選擇，但PSO易陷入局部最優(yōu)；針對此，新的構(gòu)造核函數(shù)方法、即混合核函數(shù)被提出，然而，該方法在選擇核函數(shù)時，無法計算出數(shù)據(jù)特征和監(jiān)測模型，在故障監(jiān)測中存在錯檢和漏檢。

發(fā)明內(nèi)容

本發(fā)明提供一種基于混沌粒子群的優(yōu)化核主元分析故障監(jiān)測方法，通過混沌粒子群優(yōu)化算法對核主元分析的核函數(shù)參數(shù)進行優(yōu)化，以發(fā)現(xiàn)最優(yōu)的非線性特征，并準確地監(jiān)測出非線性故障，從而降低監(jiān)測延遲時間，提高故障監(jiān)測精度。

根據(jù)本發(fā)明的一個方面，提供了一種基于混沌粒子群的優(yōu)化核主元分析故障監(jiān)測方法，包括以下步驟：獲取初始數(shù)據(jù)矩陣；所述初始數(shù)據(jù)矩陣包括正常數(shù)據(jù)樣本矩陣和故障數(shù)據(jù)樣本矩陣；

通過非線性映射φ將所述初始數(shù)據(jù)空間映射到隱式特征空間中，并在隱式特征空間中進行非線性特征變換；

將所述初始數(shù)據(jù)矩陣作為訓(xùn)練數(shù)據(jù)建立故障監(jiān)測模型；

獲取測試數(shù)據(jù)；

將所述測試數(shù)據(jù)輸入所述故障監(jiān)測模型中，對所述測試數(shù)據(jù)進行故障在線監(jiān)測。

優(yōu)選地，將所述初始數(shù)據(jù)矩陣作為訓(xùn)練數(shù)據(jù)建立故障監(jiān)測模型，包括以下步驟：通過公式將所述初始數(shù)據(jù)矩陣轉(zhuǎn)換為正常數(shù)據(jù)，并對所述正常數(shù)據(jù)進行規(guī)范化處理；其中μ＝[μ₁,μ₂,…,μ_m]是變量的均值向量，D_σ＝diag(σ₁²,σ₂²,…,σ_m²)是變量的標準偏差對角矩陣；

通過公式建立混合核函數(shù)；

通過混沌粒子群算法優(yōu)化所述混合核函數(shù)參數(shù)；

通過公式K_ij＝(φ(X_i) φ(X_j))＝k(X_i,X_j)計算核矩陣K；

通過對所述隱式特征空間進行中心化；