[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

本發明公開了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，該方法為：對訓練集進行OVA劃分；對每組二類子數據集進行第一級邊界強化，計算每組子數據集中單純類與非單純類的占比，根據占比以及計算得到的合成新樣本分配權重和分配序列，對單純類進行改進的Borderline?SMOTE過采樣或RUS欠采樣；更新所有組樣本數量，不重復地組合各單純類樣本形成新的不平衡數據集，進行OVO劃分；對每組二類子數據集進行第二級邊界強化，根據計算得到的合成新樣本分配權重和分配序列，對少數類進行過采樣，劃分邊界區域，對多數類非邊界區域樣本進行欠采樣，多次循環得到平衡數據集。本發明提高了直線電機氣隙故障的分類效率。

技術領域

本發明涉及數據挖掘和故障檢測技術領域，特別是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。

背景技術

目前在城市軌道交通地鐵系統中，直線電機是主流的牽引驅動引擎。直線電機運行能耗與直線電機氣隙間距大小密切相關。直線電機氣隙間距過大，會導致在同等列車動力下所需的勵磁電流也較大；而氣隙間距過小，則容易發生電機劃傷等事件，導致電機燒毀，甚至引起安全事故，影響地鐵正常運行，因此對直線電機氣隙進行日常檢測維護是確保地鐵安全、穩定行車的重要環節。

從直線電機氣隙檢測系統獲取的數據，主要涉及直線電機的氣隙、槽楔和槽深的狀態。對離線數據進行分析可知，直線電機氣隙相關聯的故障分為以下五類：槽楔下沉、槽楔丟失、異物粘連、圓跳動和單端下沉，這五類故障的發生概率不同，將地鐵非故障正常運行的數據與五種故障的數據組合形成的數據集，即是一個不平衡的多類數據集，所以能夠將對數據統計分析以得出有無故障、實際發生哪種故障的任務，抽象轉換為對一個不平衡的多類數據集進行分類的任務。

針對多類不平衡數據集分類問題的解決方法主要分成兩種，一種是直接策略，修改現有算法直接構建一個更為復雜的分類器；另一種是分解策略，將多分類問題進行分解，以延用二類不平衡分類的解決方法，依次解決，最后進行結果集成。由于后者相對簡單，容易實現，相關理論技術成熟，因此被廣泛應用。

分解策略由訓練階段的問題拆分和預測階段的結果集成兩部分組成。多類問題的分解方法主要包括OVO分解、OVA分解、ECOC分解和層次分類法四種。其中，OVO分解雖然子分類器數目較多，但訓練速度優于其他分解方法，問題規模更小。

將多分類不平衡問題分解后，依次使用二分類不平衡的解決方法，針對該部分的改進可以考慮算法層面和數據層面。其中在數據層面，重采樣策略是用于平衡數據集、改善分類器分類訓練性能的常用手段，包括過采樣、欠采樣以及綜合采樣三種方法。綜合采樣結合過采樣和欠采樣的優點，能有效的降低數據集的不平衡度。在多類不平衡分類場景中，類重疊一直是關鍵問題，能否清楚地劃分類與類之間的邊界對分類結果影響很大。此外在平衡數據環境下能構建得到分類性能更強的模型，重采樣特別是能改善分類邊界的綜合采樣策略顯得尤為重要。

目前在直線電機氣隙故障診斷領域使用的方法大多是，結合先進的傳感器裝置采集現場數據并應用數據處理算法，應對某一類故障通常采用針對性的方法進行測量和處理。專利1“基于統計分析的直線電機定子槽楔故障診斷方法”(申請號：CN202010456608.0，公布號：CN111596210A)和專利2“基于統計分析的直線電機定子異物粘連故障診斷方法”(申請號：CN202010456610.8，公布號：CN111649706A)采用測距傳感器測量電機定子氣隙值和槽楔值，并對采集數據進行統計分析，分別判斷槽楔下沉故障和定子異物粘連故障。不足之處在于沒有形成統一的數據集，文中僅對一類故障發生與否進行判斷，對全局故障診斷處理能力有所欠缺。

發明內容

本發明的目的在于提供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，提高多類不平衡場景下分類器在直線電機氣隙故障多分類中的綜合性能，從而提高直線電機氣隙故障的分類效率和精度。

實現本發明目的的技術解決方案為：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，包括以下步驟：