[發明專利]基于集成增量的動態權重組合的設備故障分類方法

在審

• 申請號: 201910377438.4
• 申請日: 2019-05-04
• 公開（公告）號: CN110334580A
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 王志杰;馮海領;趙宜斌;趙宇
• 申請（專利權）人: 天津開發區精諾瀚海數據科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 石家莊知住優創知識產權代理事務所(普通合伙) 13131
• 代理人: 林艷艷

1.一種基于集成增量的動態權重組合的設備故障分類方法，其特征在于，包括如下步驟：

(1)采集設備運行正常時和故障時的信號數據，使用基于過采樣和欠采樣融合的數據抽樣模型對信號數據進行非平衡處理；

(2)針對非平衡處理之后的信號數據，使用小波包去噪，去除信號數據中的噪聲點，然后使用小波包重構，將去噪之后的信號數據重構為原始信號；

(3)針對步驟(2)重構之后的原始信號，使用極點對稱模態分解完成原始信號的特征參數提取，將特征向量作為訓練數據集，并將訓練數據集劃分為多組，一組作為初步訓練數據集輸入到步驟(4)，剩余組分次作為增量訓練集；

(4)訓練長短期記憶神經網絡，將初步訓練集映射到輸入層，通過LSTM網絡訓練參數，再輸入到softmax輸出層得到分類類別的概率分布，在訓練次數達到預設值并且代價函數逐步收斂時停止訓練；

(5)利用初步訓練集對多分類支持向量機進行訓練；

(6)利用新的支持向量機調整步驟(4)和步驟(5)的長短期記憶神經網絡和支持向量機組合模型中的權重，完成組合模型的訓練；

(7)針對增量數據集，先進行步驟(1)-(3)處理完成特征參數的提取，然后將處理后的特征參數作為測試集放入步驟(6)訓練好的組合模型中處理；若輸出結果符合預期，則輸出，若輸出結果不滿足預期要求，則利用新增特征參數進行步驟(6)完成權重調整完成集成增量學習。

2.根據權利要求1所述的基于集成增量的動態權重組合的設備故障分類方法，其特征在于，步驟(1)所述的非平衡數據處理的具體步驟如下：

(1)構造少數類樣本：將樣本集分為少數類樣本和多數類樣本，對于少數類樣本x，在核空間上尋找x的k個近鄰樣本；然后根據K個樣本中少數類樣本與多數類樣本數量劃分x的樣本種類；

1)安全樣本：即樣本集中少數類樣本數量大于或等于多數類樣本數量；

2)邊界樣本：即樣本集中少數類樣本數量小于多數類樣本數量；

3)噪音樣本：即樣本集中只存在多數類樣本；

針對1)和2)類型的數據，在其k個樣本中隨機選擇2個樣本，在3個樣本之間按照一定規則合成N個新樣本，其中N值是向上采樣倍率；

若選中的兩個樣本y₁和y₂是多數類樣本，利用以下公式生成N個樣本：

①根據y₁和y₂生成N個臨時樣本t_j(j＝1,2,..,N)：

t_j＝y₁+rand(0,0.5)*(y₂-y₁)；

②根據t_j和x生成新的少數類樣本X_j(j＝1,2,...,N):

X_j＝x+rand(0,1)*(t_j-x)；

若選中的兩個樣本y₁和y₂中有少數類樣本，利用以下公式生成N個樣本：

①根據y₁和y₂生成N個臨時樣本t_j(j＝1,2,..,N)：

t_j＝y₁+rand(0,1)*(y₂-y₁)；

②根據t_j和x生成新的少數類樣本X_j(j＝1,2,...,N):

X_j＝x+rand(0,1)*(t_j-x)；

針對3)類型的數據，為使噪音數據引起的風險降低，故將N設置為1；同時在少數類樣本中隨機選擇一個少數類y，使用以下公式隨機生成新樣本；

X＝x+rand(0.5,1)*(y-x)

在求取K近鄰時，先使用非線性映射函數將樣本映射到核空間，在核空間中樣本之間的距離被稱為核距離，其計算公式為：

其中，是非線性映射函數，K(x,y)是核函數，在這里使用的核函數為高斯核函數；公式為：

(2)基于K近鄰的Tomek links欠采樣模型：針對少數類和多數類樣本，在k近鄰的基礎上將少數類樣本劃分成不同類別的數據，從而減少Tomeklinks算法計算的樣本數量，提高欠采樣的樣本效率；

①根據第(1)步中的樣本類別劃分方法將第(1)步合成的樣本集重新劃分成少數類樣本和多數類樣本，對少數類樣本中的每個樣本求取k近鄰，根據k近鄰中多數類樣本和少數類樣本數量劃分樣本類別為安全樣本、邊界樣本和噪音樣本，類別判斷標準如第(1)步所示；

②去除噪音樣本；

③假設少數類樣本中邊界樣本集為D，多數類樣本集為U，其中U的數量為N；

fori＝1,2,…,N

④多數類樣本集U中x₁與邊界樣本集D中x₂之間的距離為d＝d(x₁,x₂)；

⑤多數類樣本集U中x₁與合成的樣本集中的每個樣本計算距離得到距離數據集F，如果d<F，返回x₁所在行；

⑥循環結束，刪除返回行的樣本集；合并多數類樣本集U與少數類樣本集。