[發(fā)明專(zhuān)利]一種基于專(zhuān)家系統(tǒng)和隨機(jī)森林分類(lèi)器的重型燃機(jī)控制系統(tǒng)模擬量輸入模塊BIT設(shè)計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110331921.6
• 申請(qǐng)日: 2021-03-29
• 公開(kāi)（公告）號(hào): CN113158555A
• 公開(kāi)（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 黃從智;申振東;張建華;侯國(guó)蓮
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華北電力大學(xué)
• 主分類(lèi)號(hào): G06F30/27
• 分類(lèi)號(hào): G06F30/27;G06K9/62;G06F111/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于專(zhuān)家系統(tǒng)和隨機(jī)森林分類(lèi)器的重型燃機(jī)控制系統(tǒng)模擬量輸入模塊BIT設(shè)計(jì)方法，其特征在于，包括以下步驟：

通過(guò)知識(shí)獲取機(jī)制，采用產(chǎn)生式規(guī)則構(gòu)建模擬量輸入模塊專(zhuān)家系統(tǒng)知識(shí)庫(kù)；

采用正向推理機(jī)制設(shè)計(jì)專(zhuān)家系統(tǒng)推理機(jī)；

采用LMD算法對(duì)BIT檢測(cè)數(shù)據(jù)進(jìn)行特征提取；

將提取到的特征向量采用CART算法訓(xùn)練決策樹(shù)并進(jìn)行決策樹(shù)剪枝；

將每棵決策樹(shù)以投票的方式生成隨機(jī)森林；

由隨機(jī)森林對(duì)BIT檢測(cè)數(shù)據(jù)進(jìn)行正常、間歇故障、永久故障三種狀態(tài)的識(shí)別；

過(guò)濾間歇狀態(tài)的檢測(cè)數(shù)據(jù)后送入專(zhuān)家系統(tǒng)推理機(jī)，由專(zhuān)家系統(tǒng)給出診斷結(jié)果，實(shí)現(xiàn)模擬量輸入模塊精確故障定位。

2.如權(quán)利要求1所述的一種基于專(zhuān)家系統(tǒng)和隨機(jī)森林分類(lèi)器的重型燃機(jī)控制系統(tǒng)模擬量輸入模塊BIT設(shè)計(jì)方法，其特征在于，知識(shí)庫(kù)中每一條故障知識(shí)包含一條完整故障的所有信息，包括規(guī)則ID、規(guī)則前件、規(guī)則后件、置信度、規(guī)則解釋、故障原理，表現(xiàn)形式為：

IF E1 AND E2 AND … AND EN THEN H(CF)

其中，E1，E2，…，EN指證據(jù)；H指結(jié)論(或者在相應(yīng)證據(jù)下成立的假設(shè))，可以是單個(gè)對(duì)象，也可以是多個(gè)對(duì)象；CF指置信度，是該條規(guī)則的前提對(duì)結(jié)論的支撐程度。

3.如權(quán)利要求1所述的一種基于專(zhuān)家系統(tǒng)和隨機(jī)森林分類(lèi)器的重型燃機(jī)控制系統(tǒng)模擬量輸入模塊BIT設(shè)計(jì)方法，其特征在于，專(zhuān)家系統(tǒng)推理機(jī)采用正向推理機(jī)制實(shí)現(xiàn)，包括下述步驟：

第一步：將模擬量輸入模塊主要功能電路的BIT檢測(cè)數(shù)據(jù)加載至專(zhuān)家系統(tǒng)推理機(jī)中，激活動(dòng)態(tài)數(shù)據(jù)庫(kù)；

第二步：從規(guī)則集中取出一條知識(shí)與動(dòng)態(tài)數(shù)據(jù)庫(kù)中的事實(shí)進(jìn)行匹配，若匹配成功轉(zhuǎn)到第三步，若失敗轉(zhuǎn)到第四步；

第三步：取出匹配成功規(guī)則的結(jié)論部分，暫時(shí)刪除已被匹配的規(guī)則，并判斷結(jié)論部分是否在動(dòng)態(tài)數(shù)據(jù)庫(kù)中，若是，繼續(xù)匹配剩余規(guī)則，轉(zhuǎn)到第二步，若否，將結(jié)論加載至動(dòng)態(tài)數(shù)據(jù)庫(kù)中，再轉(zhuǎn)到第二步；

第四步：從動(dòng)態(tài)數(shù)據(jù)庫(kù)中找出最終結(jié)論，并輸出結(jié)果。

4.如權(quán)利要求1所述的一種基于專(zhuān)家系統(tǒng)和隨機(jī)森林分類(lèi)器的重型燃機(jī)控制系統(tǒng)模擬量輸入模塊BIT設(shè)計(jì)方法，其特征在于，對(duì)不同工作狀態(tài)下的模擬量輸入模塊可表征功能電路狀態(tài)的電流或電壓進(jìn)行采樣，其中包括模擬量輸入模塊主要功能電路的正常數(shù)據(jù)、永久故障數(shù)據(jù)和間歇故障數(shù)據(jù)，得到功能電路BIT采樣數(shù)據(jù)集，采用LMD算法對(duì)采樣數(shù)據(jù)集進(jìn)行特征提取，并構(gòu)造每種狀態(tài)的特征向量，作為訓(xùn)練決策樹(shù)的輸入，包括下述步驟：

第一步：首先求取原始BIT檢測(cè)信號(hào)x(t)每個(gè)半波振動(dòng)所有局部極值點(diǎn)n_i，并計(jì)算n_i和n_i+1的平均值m_i：

將平均值m_i直線延伸到局部均值線段m₁₁(t)，對(duì)m₁₁(t)采用滑動(dòng)平均方法進(jìn)行平滑處理得到局部均值函數(shù)m₁₁(t)；

第二步：求局部包絡(luò)函數(shù)a_i：

同樣將所有a_i連接起來(lái)并采用平滑化處理，得到包絡(luò)估計(jì)函數(shù)a₁₁(t)；

第三步：從原始BIT信號(hào)中分離局部均值函數(shù)m₁₁(t)：

h₁₁(t)＝x(t)-m₁₁(t)

第四步：解調(diào)h₁₁(t)：

理想的s₁₁(t)是一個(gè)純調(diào)頻信號(hào)，包含估計(jì)函數(shù)a₁₂(t)，且a₁₂(t)值為1，若不滿足該條件，則將s₁₁(t)作為原始數(shù)據(jù)重復(fù)上述4步直到得到一個(gè)純調(diào)頻信號(hào)s_1n(t)，即|s_1n(t)|≤1。迭代過(guò)程如下：

其中

第五步：把迭代過(guò)程中產(chǎn)生的所有包絡(luò)估計(jì)函數(shù)相乘得到PF分量的包羅信號(hào)a₁(t)：

第六步：第一個(gè)PF分量為包絡(luò)信號(hào)a₁(t)和純調(diào)頻信號(hào)s_1n(t)的乘積

PF₁(t)＝a₁(t)s_1n(t)

第七步：將PF₁(t)從原始信號(hào)x(t)中分離出來(lái)，相減余下u₁(t)作為待分解信號(hào)重復(fù)以上步驟，循環(huán)k次，直到u_k(t)為單調(diào)函數(shù)

經(jīng)過(guò)k次循環(huán)之后，將原始信號(hào)分解為k個(gè)PF分量和一個(gè)單調(diào)函數(shù)u_k(t)之和，即

第八步，計(jì)算得到各PF分量的能量值E_p：

式中p表示分量的個(gè)數(shù)，PF_i^j表示第p個(gè)PF分量的第j個(gè)數(shù)據(jù)點(diǎn)。用各PF分量E_p構(gòu)造特征向量

將所有的樣本都進(jìn)行LMD特征提取后，組成數(shù)據(jù)集D：

其中T_n代表第n種狀態(tài)的特征向量，代表第n種的第h個(gè)樣本向量。