[發明專利]基于支持向量優選的電路故障診斷方法及其裝置

有效

• 申請號: 202110150666.5
• 申請日: 2021-02-04
• 公開（公告）號: CN112505531B
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 鄧威;羅康;楊葳
• 申請（專利權）人: 湖南遙光科技有限公司
• 主分類號: G01R31/28
• 分類號: G01R31/28;G06K9/62
• 代理公司: 長沙德恒三權知識產權代理事務所(普通合伙) 43229
• 代理人: 徐仰貴

1.一種基于支持向量優選的電路故障診斷方法，其特征在于，包括：

獲取電路各狀態下的樣本數據，并進行數據預處理；

根據獲得的樣本數據對兩兩狀態之間構建SVM分類器，通過計算得到各狀態下的支持向量作為訓練樣本數據；

利用支持向量數據構建故障診斷模型，應用故障診斷模型進行故障診斷，輸出診斷結果；

所述利用支持向量數據構建故障診斷模型還包括：

確定診斷模型輸入層神經元數量，輸入層神經元的數量需等于支持向量特征的數量；

確定訓練樣本、樣本數量，支持向量被選為訓練樣本，訓練樣本數量等于支持向量的數量；

確定模型輸出神經元數量，診斷模型的分類類別數量等于輸出的神經元數量，并且等于電路狀態的數量；

通過診斷計算公式構建診斷模型；

所述診斷計算公式如下：

其中，是支持向量，表示第i類的第k個訓練樣本，X表示需診斷的輸入數據，N_i表示第i類的訓練樣本數量，表示g取最大時候的類別即為X的最終分類類別。

2.根據權利要求1所述的基于支持向量優選的電路故障診斷方法，其特征在于，所述獲取電路各狀態下的樣本數據，并進行數據預處理還包括：

將獲取的電路各狀態下的樣本數據進行劃分，將一種狀態劃分為一個分類類別標簽，一種狀態包含多個特征，并將狀態和特征表格化；

對每一維特征的樣本數據進行標準化處理，消除量綱影響，獲得預處理后各狀態下的樣本數據；

所述電路各狀態包括電路正常狀態和電路故障狀態。

3.根據權利要求2所述的基于支持向量優選的電路故障診斷方法，其特征在于，所述標準化處理采用標準化處理計算公式：

其中，x表示某一維特征的樣本數據，x_min表示該特征的最小樣本數據，x_max表示該特征的最大樣本數據。

4.根據權利要求1所述的基于支持向量優選的電路故障診斷方法，其特征在于，所述構建SVM分類器，獲取支持向量作為訓練樣本數據還包括：

選取兩個狀態的數據，構建一個SVM分類器，若電路中共有k個狀態，每兩個狀態之間需要構建一個一對一的SVM分類器，則總共需要構建 個SVM分類器；

針對每一個SVM分類器，獲取SVM分類器的支持平面，根據支持平面，獲取支持向量，遍歷個SVM分類器，從而得到所有的支持向量作為訓練樣本數據。

5.根據權利要求4所述的基于支持向量優選的電路故障診斷方法，其特征在于，所述SVM分類器的構建可按照下列公式訓練得到w和b；

其中，x表示樣本數據，y表示樣本對應的標簽數據，w表示一組向量，w^T表示這組向量的轉置，b為實數表示支持平面到原點的距離。

6.根據權利要求5所述的基于支持向量優選的電路故障診斷方法，其特征在于，所述支持平面分別為和；支持向量是落在支持平面上的樣本數據，通過SVM分類器得到滿足的支持向量，以及得到滿足的支持向量。

7.一種基于支持向量優選的電路故障診斷裝置，其特征在于，該裝置應用如權利要求1-6中任一項所述方法的步驟，包括：

預處理模塊，獲取電路各狀態下的樣本數據，并進行數據預處理；

支持向量模塊，根據SVM分類器獲取支持向量作為訓練樣本數據；

診斷模塊，根據支持向量數據構建故障診斷模型，輸出診斷數據。

8.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-6中任一項所述方法的步驟。

9.一種計算機可讀介質，所述計算機可讀介質存儲有計算機程序，其特征在于，所述計算機程序被處理執行時實現如權利要求1-6中任一項所述方法的步驟。