[发明专利]一种设备的故障分类诊断方法

权利要求书

1.一种设备的故障分类诊断方法，其特征在于包括以下步骤：

（1）构建特征加权最小二乘支持向量机的分类器模型；

（2）构建复合型特征加权最小二乘支持向量机的分类器模型；

（3）构建复合型特征加权最小二乘支持向量机的分类器模型的模型参数；

（4）将设备的故障训练样本输入，对复合型特征加权最小二乘支持向量机的分类

器模型进行训练；

（5）将设备的待测故障样本输入训练后的复合型特征加权最小二乘支持向量机的

分类器模型中进行故障分类诊断。

2.权利要求1所述的一种设备的故障分类诊断方法，其特征在于所述的步骤（1）

中的特征加权最小二乘支持向量机的分类器模型的构建过程为：

（1）构建最小二乘支持向量机的分类器模型：首先设定                                                个训练样本 ，

x_i为第i个输入数据，，表示x_i所在的输入空间，d表示空间维数,表示输入数据x_i相对应的类别，，表示训练样本从输入空间到高维特征空间的非线性映射，通过将训练样本从输入空间映射到高维特征空间，在高维特征空间最小二乘支持向量机的分类问题表述的函数式为:

             

             s.t.

其中min表示求最小值，w表示高维特征空间的权值向量，b表示偏置系数，c 表示惩罚系数，表示松弛变量，表示错分的程度，上标T表示转制运算，s.t.表示约束条件；然后引入拉格朗日函数，得到拉格朗日函数的最小值的表达函数式为：

其中是拉格朗日乘子，对应的为支持向量，使L对w、b、、的偏导数等于零，同时引入核函数（i =1，2，3，…n；j=1，2，3，…n），计算出和的具体结果，根据和的结果，得到最小二乘支持向量机的分类决策函数为，即构建了最小二乘支持向量机的分类器模型；

（2）在最小二乘支持向量机的分类器模型的基础上构建特征加权最小二乘支持向量机的分类器模型：首先设置样本特征权值参数为，p=1，2，3，…，m，，为特征序号，在此基础上构造特征权值矩阵，利用特征权值矩阵改进最小二乘支持向量机，使权值越小的特征对非线性映射函数和核函数的计算影响越小，改进后的最小二乘支持向量机的分类问题可表述为函数式：

        

s.t.   

其中，，，， ，，然后通过拉格朗日乘子法进行优化，同时引入核函数，计算可得到如下矩阵等式：

s.t. ，，

,

其中，高斯核函数为：

，其中σ表示高斯核函数的径向宽度参数，得到特征加权最小二乘支持向量机的分类决策函数为： ，即构建了特征加权最小二乘支持向量机的分类器模型。

3.根据权利要求1所述的一种设备的故障分类诊断方法，其特征在于所述的步骤

（2）中的复合型特征加权最小二乘支持向量机的分类器模型是在特征加权最小二乘支持向量机的分类器模型的基础上，以特征加权最小二乘支持向量机的分类准确率作为适应度函数，通过复合型算法对特征加权最小二乘支持向量机的权值向量进行迭代选择，获取最优权值向量，再将最优权值向量带入特征加权最小二乘支持向量机的分类器模型，得到复合型特征加权最小二乘支持向量机的分类器模型。