[發明專利]基于小波分析和多層超限學習機的高空臺故障診斷方法

在審

• 申請號: 202110258961.2
• 申請日: 2021-03-10
• 公開（公告）號: CN113033632A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 韓渭辛;許斌;范泉涌
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06F17/16;G06N20/00
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 劉新瓊

1.一種基于小波分析和多層超限學習機的高空臺故障診斷方法，其特征在于步驟如下：

步驟1：基于系統帶標簽的故障樣本原始數據x(t)，采用小波分析法進行提取特征和去噪；

1)采用二進小波變換得到小波變換系數

其中τ為頻移因子，n＝(log₂m)-5，m表示信號長度；

2)對各個分解尺度下的小波系數選擇一個閾值進行閾值量化處理，過濾小波系數低于閾值的噪聲信號，保留小波系數高于閾值的有用信號；通過公式

計算得出閾值，式中，N為實際測量信號x(t)經過小波變換分解得到小波系數的個數總和，σ為給定的附加噪聲信號的標準差；根據W_x(2^j，τ)≥T選取符合條件j的范圍A≤j≤B；

3)根據小波分解后的最底層低頻小波系數和各個高頻小波系數，進行信號的小波重構，得到重構后的信號：

步驟2：構造多層超限學習機，進行在線序列學習訓練；

構建第一層自動編碼器，初始階段先選取N₀組數據其中為經過特征提取和去噪后的樣本數據，t_i為輸出目標，為隱含層神經元數目；

1)隨機產生輸入權值矩陣w_i和偏置矩陣b_i，其中，

2)計算初始的隱含層輸出矩陣H₀，有

其中g(·)為激活函數，這里為Sigmiod函數；

3)計算初始的輸出權重矩陣β₀，有

其中

為輸出目標組成的矩陣；

4)設k＝0，k為塊數，表示初始化學習階段；

5)設第k+1塊樣本集

6)計算隱含層輸出矩陣H_k+1，有

在線序列學習；利用新樣本遞推更新輸出權重矩陣β_k+1，直到k＝N；

計算輸出權重矩陣β_k+1，有

其中

令k＝k+1，轉至在線學習階段步驟1)直到k＝N結束；

構造下一層自動化編碼器，以H_N做為第i層自動編碼器的輸入

由以上遞推步驟1)-6)計算第i層自動編碼器輸出權重矩陣

以做為第i層到第i+1層自動編碼器之間的權重值；

重復構造自動編碼器直到層數達到q，計算出輸出權重矩陣完成在線序列多層超限學習機訓練；

步驟3：針對實際系統數據，進行故障診斷

把待檢測的系統實際數據X^d，進行主元分析法提取特征和去噪后得到在線輸入多層超限學習機網絡，基于輸出權重矩陣計算實際數據的在線網絡輸出值F_k；

輸入層輸出為：

中間編碼層輸出為：

最后一層輸出值為：其中g(·)為激活函數，這里為Sigmiod函數；

把輸出值和故障樣本的標簽值相比較，故障診斷邏輯為：

2.一種計算機系統，其特征在于包括：一個或多個處理器，計算機可讀存儲介質，用于存儲一個或多個程序，其中，當所述一個或多個程序被所述一個或多個處理器執行時，使得所述一個或多個處理器實現權利要求1所述的方法。

3.一種計算機可讀存儲介質，其特征在于存儲有計算機可執行指令，所述指令在被執行時用于實現權利要求1所述的方法。

4.一種計算機程序，其特征在于包括計算機可執行指令，所述指令在被執行時用于實現權利要求1所述的方法。