[发明专利]基于单类支持向量机的故障诊断方法

说明书

技术领域

本发明主要涉及到故障检测领域，特指一种采用单类支持向量机所进行的故障诊断，其主要适用于在已知状态类别不完备、故障样本有限的情况下，对各种机电设备正常状态、已知故障状态和未知异常状态的诊断。

背景技术

支持向量机是Vapnik等人于上世纪90年代初提出的一种新的非线性模式识别方法，该方法比传统模式识别方法包括神经网络具有更好的分类精度和推广能力。但是，标准的支持向量机是两类分类器，目前在利用支持向量机进行故障诊断时，采用的方法是构造多个支持向量机两类分类器，并按照一定的逻辑将它们组合起来，以实现多类分类。按照组合逻辑，支持向量机故障诊断方法可以分为一对一方法、一对多方法、有向无环图方法等(参考文献“Widodo A，Yang B S.Review：Support vector machine in machine condition monitoring and faultdiagnosis.Mechanical Systems and Signal Processing，2007，21：2560-2574/阿克麦得 维多多，杨博苏.综述：状态监测与故障诊断中的支持向量机方法.机械系统与信号处理，2007，21：2560-2574”)。但是，上述这些方法要么需要构造的支持向量机数太多，要么训练样本的重复使用率太高，都具有较大的计算复杂度。更主要的是，上述这些方法无法实现对未知状态的识别。因此，在已知的状态类别不完备、故障样本有限的情况下，亟需采用新的方法实现对机电设备正常状态、已知故障状态和未知异常状态的诊断。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种操作简便、诊断效率高、诊断精度好、适用范围广、能够识别未知异常状态的基于单类支持向量机的故障诊断方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于单类支持向量机的故障诊断方法，其特征在于，步骤为：

①.构建特征样本：针对包括正常状态在内的m个已知状态类别，利用测试数据分别构建用于不同状态检测的特征样本；

②.获得单类支持向量机检测器：使用上述构建的特征样本分别训练单类支持向量机，得到m个单类支持向量机检测器；

③.构建故障诊断模型：将上述得到的单类支持向量机检测器串联起来，形成树形结构的故障诊断模型；

④.故障诊断：诊断时，将测试数据依次输入到故障诊断模型中的单类支持向量机检测器内，根据单类支持向量机检测器对测试数据的输出，实现对正常状态、已知故障状态和未知异常状态的决策。

作为本发明的进一步改进：

所述步骤①中，针对已知的诊断对象的不同状态类ω_k，借助各种振动信号处理手段，提取用于不同状态检测的训练样本特征向量ω_k中k＝1，...，m，ω₁表示正常状态类，ω₂～ω_m表示m-1种故障状态类；中上标k表示样本特征向量是专用于检测状态类ω_k的，k＝1，...，m，下标i表示样本序列，i＝1，...，N_k，N_k是第k类样本的个数。

所述步骤②的具体流程为：

2.1、根据单类支持向量机原理，分别利用m个状态的训练特征样本训练求解二次优化问题，即可得到用于检测状态ω_k的单类支持向量机检测器；