[發明專利]一種基于兩級強化決策邊界的直線電機氣隙故障分類方法

在審

• 申請號: 202210655023.0
• 申請日: 2022-06-10
• 公開（公告）號: CN115099314A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 張永;張菁;周巨貴;袁堂文;查顯春;黃成;單梁;王力立
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01R31/34
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 薛云燕

1.一種基于兩級強化決策邊界的直線電機氣隙故障分類方法，其特征在于，包括以下步驟：

步驟1、使用測距和測溫傳感器采集直線電機氣隙槽楔數據，形成不平衡的直線電機氣隙故障多分類數據集，設定原始數據集T＝(A₁,A₂,…,A_N)，A_i表示第i個類，i∈N，N為樣本類別總數目，每個類別含有樣本數量分別表示為C₁,C₂,…,C_N，將T按類別隨機劃分70％為訓練集T₁，30％為測試集T₂；訓練集T₁共含有C_Total個樣本，對原始數據集使用OVA分解策略，完全拆分成m1＝N組二類子數據集對(Pure(i),Impure(i))，其中Pure(i)表示為單純類，Impure(i)表示為非單純類，計算單純類數量總占比其中i＝1,2,…,m1，C_Pure(i)表示單純類樣本數量，C_Impure(i)表示非單純類樣本數量；

步驟2、計算每組單純類與非單純類的數值比進行第一級決策邊界強化，引入預設控制因子計算合成樣本分配權重和分配序列，當τ_i＜1時，對單純類樣本進行改進的Borderline-SMOTE過采樣；當τ_i＞1時，對單純類樣本的處于非邊界樣本集合進行RUS欠采樣，其中i＝1,2,…,m1；

步驟3、更新步驟2得到的所有單純類樣本數量，組合所有單純類形成新的多類不平衡數據集T₁′，共含有C_Total′個樣本，對其使用OVO分解策略，完全拆分成組二類子數據集對(Minority(i),Majority(i))，計算少數類數量總占比其中i＝1,2,…,m2，C_Minority(i)表示少數類樣本數量，C_Majority(i)表示多數類樣本數量；

步驟4、對每組二類子數據集依次進行第二級決策邊界強化，即引入預設控制因子設置循環過程L和預定不平衡度π_preset：在第h次循環中計算合成樣本的分配權重和分配序列，對少數類樣本進行改進的Borderline-SMOTE過采樣，更新少數類樣本數量，然后對多數類的處于非邊界樣本集合進行RUS欠采樣，更新多數類樣本數量，計算不平衡度π_h；多次循環后得到相對平衡數據集，即π_h＝π_preset，終止上述循環L，對下一組二類子數據集進行上述循環操作，直至完成所有二類子數據集的第二級決策邊界強化；

步驟5、對步驟4完成兩級決策邊界強化后的平衡多類數據集進行分類訓練測試，采用SVM作為基分類器，用平衡二類子數據集訓練基分類器，用訓練好的分類器對測試集T₂進行預測，采用加權投票策略進行結果集成得到直線電機氣隙故障分類的最終預測結果，并計算macro-F1作為評價指標。

2.根據權利要求1所述的基于兩級強化決策邊界的直線電機氣隙故障分類方法，其特征在于，步驟2中所述的預設控制因子具體如下：

預設控制因子用于控制采樣過程中新增、減樣本數量，單純類和非單純類的采樣倍率分別為μ_i、μ_i′，第一級決策邊界強化時Borderline-SMOTE新增樣本總數為：RUS新減樣本總數為：其中為中間量，其中C_Impure表示非單純類的數量，C_Pure表示單純類的數量，P表示單純類樣本集合、P′表示待欠采樣的樣本集合，θ_i為單純類數量總占比。