[發(fā)明專利]一種診斷故障傳感器的方法與裝置

有效

• 申請?zhí)枺?/td>: 202110368569.3
• 申請日: 2021-04-06
• 公開（公告）號: CN113091872B
• 公開（公告）日: 2023-06-16
• 發(fā)明（設(shè)計）人: 苗少光;劉陽;蘇永青
• 申請（專利權(quán)）人: 深圳市漢德網(wǎng)絡(luò)科技有限公司
• 主分類號: G01G23/01
• 分類號: G01G23/01
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 何明倫

1.一種診斷故障傳感器的方法，包括：

獲取傳感器采集的數(shù)據(jù)，提取第一特征向量，輸入第一故障診斷模型，得到關(guān)于傳感器的第一故障診斷結(jié)果；

對于第一故障診斷結(jié)果中待定的傳感器，提取第二特征向量，并輸入第二故障診斷模型，得到關(guān)于待定傳感器的第二故障診斷結(jié)果；

其中，第一故障診斷模型和第二故障診斷模型是由傳感器采集的數(shù)據(jù)為樣本數(shù)據(jù)，以及預(yù)先確定的診斷結(jié)果為樣本標(biāo)簽，經(jīng)過訓(xùn)練后得到的；所述第一特征向量包括：原始數(shù)據(jù)特征向量、濾波數(shù)據(jù)特征向量、差分?jǐn)?shù)據(jù)特征向量、跑車漂移特征向量、靜止抖動特征向量；所述第二特征向量包括：原始數(shù)據(jù)特征向量、濾波數(shù)據(jù)特征向量、上貨特征向量、卸貨特征向量；第一故障診斷模型是多分類梯度提升決策樹模型；第二故障診斷模型是二分類梯度提升決策樹模型，包括多個強學(xué)習(xí)器；所述第二故障診斷模型的訓(xùn)練步驟包括：

在每次迭代過程中，針對每個類別都獨立訓(xùn)練一棵CART回歸樹，訓(xùn)練一棵CART回歸樹的流程如下：

第一，利用先驗信息初始化第一個弱學(xué)習(xí)器，

其中，是訓(xùn)練樣本中標(biāo)簽為異常的比例，是訓(xùn)練樣本中標(biāo)簽為正常的比例；

第二，分別建立棵CART回歸樹：

1)對，計算第棵樹的殘差

2)對，利用CART回歸樹擬合數(shù)據(jù)，得到第棵CART回歸樹，其對應(yīng)的葉子結(jié)點區(qū)域為，其中，為第二故障診斷模型的樣本個數(shù)，，且為第棵樹的葉子結(jié)點的個數(shù)；

3)對于個葉子結(jié)點區(qū)域，計算出最佳擬合值：

其中為使后面式子取最小值時c的取值；

4）更新強學(xué)習(xí)器：

其中，為指示函數(shù)，當(dāng)時取值為1，否則為0，表示第m個學(xué)習(xí)器；

5)得到最終強學(xué)習(xí)器的表達式

最終得到第二故障診斷模型的表達式為：

調(diào)整合理的參數(shù)，使得損失函數(shù)數(shù)值達到第二故障診斷模型的要求。

2.如權(quán)利要求1所述的方法，其中，當(dāng)所述多個強學(xué)習(xí)器的診斷結(jié)果不一致時，最終診斷結(jié)果以多數(shù)結(jié)果確定；對于在同一設(shè)備上安裝有多個傳感器的情況，若有診斷結(jié)果為異常，則將異常傳感器屏蔽并發(fā)出維修指令。

3.如權(quán)利要求1所述的方法，其中，所述多分類梯度提升決策樹模型的基底包括CART回歸樹，建立所述CART回歸樹的過程為：針對訓(xùn)練集中的不同特征，選擇切分點；計算不同切分點對應(yīng)的均值；合理選擇屬性值的切分點，使得目標(biāo)函數(shù)值最小，以該屬性值切分點劃分；從而選取最優(yōu)特征和最優(yōu)切分點。