[发明专利]一种基于SVM分类模型的设备故障诊断方法

权利要求书

1.一种基于SVM分类模型的设备故障诊断方法，其特征在于，依次包括以下步骤：

(1)为设备数据进行预处理操作；

(2)构建故障诊断案例知识库：

(3)基于SVM分类模型，对支持向量机进行故障诊断；

(4)获取故障信息并进行检修指导；

其中步骤(3)具体包括以下步骤：

步骤3.1：训练支持向量机的分类模型，利用故障数据进行分类模型的训练，包括初级分类模型的构建以及具体分类模型的构建；

步骤3.2：利用交叉验证集优化高斯核函数的带宽σ参数和误差惩罚因子C，将训练数据随机均分3等份，每次将其中的1份作为测试集，剩下的2份作为训练数据进行训练，识别率最高的一组参数值将作为最佳带宽σ参数因子和误差惩罚因子C；

步骤3.3：利用SVM分类模型识别故障类型，初级识别模型用于判定设备数据是否单一故障类型，具体识别模型用于判定综合故障数据的具体故障类型以及输出故障信息；

步骤3.4：SVM分类模型的增量学习，进行新故障类型的训练和旧故障类型的再次训练；

所述步骤3.1具体为：

寻求最优分割面，使训练集中的点尽可能地远离平面的二分类问题，其中二次优化问题表述为：

转化为对偶问题，形式如下：

最终将分类函数定义为：

其中，x为自变量测点的数据向量，y为目标测点的数据向量,w为两类之间的分割面的距离值，b为常数向量，a_i为支持向量机；

建立1vs 1分类投票决策机制，解决SVM多分类的问题，具体为将k种故障类型两两配对，构建k(k+1)/2个支持向量分类模型；

所述步骤3.2具体步骤为：采用交叉验证集来优化高斯核函数的带宽σ参数与惩罚因子C，具体为：

a.按照先母分类模型，后子分类模型的顺序依次进行两个重要参数优化；

b.对于分类模型i来说，将每一类故障训练数据随机均分3等份，每次将其中的1份作为测试集，剩下的2份作为训练数据进行训练，使用网格搜索法在规定的范围内，对SVM的带宽参数σ以及惩罚因子C进行寻优操作，识别率最高的一对参数值作为最佳带宽σ参数与惩罚因子C；

c.按照顺序优化完所有的母子分类模型，保存到相应参数向量P中；

所述步骤3.3具体步骤为：

a.将实时数据rt进入过程1建立的SVM回归模型中，依次进行回归滤波处理、归一化处理、PCA降维数据处理转化为实时分数数据J；

b.实时分数数据J若存在负值的话化为故障分数数据J，若不存在负值的话即判为无故障的正常工况；

c.故障分数数据J依次进入构建的参数优化后的母分类模型集进行分类，之后进行投票统计，判断初步识别的类型是否为综合故障类型，若是，将故障分数数据J依次进入构建对应的参数优化后的子分类模型集进行投票统计，识别出具体故障类型，若否，初步识别的类型就是具体故障类型；

在实时故障分数数据J依次进入全部母或子分类模型后，统计每种故障类型的票数，得票数最多的故障类型即为最终确定的故障类型，若出现最多票数的故障类型为多个时，则判定为新故障类型，标签定为0；

所述步骤3.4具体步骤为：

a.在实时故障诊断过程中，若出现判断为故障类型标签0的话，即出现新故障类型，将实时数据保存为一个标签为new的数据框中，数据框大小为[1000×p]；若出现判断为故障类型标签非0的话，即出现旧故障类型，将该实时数据保存对应的标签为old_n的数据框中，数据框的大小为[1000×p]，其中n是故障类型标签；

b.假若new的数据框存满数据后，将新故障类型数据加入原有的故障训练数据中，开始按照步骤3.1的方法进行SVM分类的增量学习，同时new的数据框被清空；假若old_n的数据框存满数据后，将旧故障类型数据加入原有的故障训练数据中，开始按照步骤3.1的方法进行SVM分类的增量学习，同时old_n的数据框被清空；

c.最后，将按照步骤3.2的方法对更新完成的SVM分类模型的参数进行优化，更新参数向量P；

所述步骤(4)包括以下步骤：

步骤4.1，获取故障类型以及识别可信度；

步骤4.2，获取故障的部位信息及与相应故障特征匹配度；

步骤4.3，根据专家知识库查询并为检修人员给予维修指导；

所述步骤4.1具体步骤为：

依据以下公式对实时数据进行识别可信度ep的求取：

其中的maxD表示该故障类型的训练数据中绝对值最大的决策值，minD表示该故障类型的训练数据中绝对值最小的决策值，rtD表示实时数据的分类决策值；

对实时数据rt依次经过所有的SVM分类模型，得到所有故障类型的可信度，具体算法如下公式所示：

i＝1,...,N

其中，n为故障类型，N为类型为n的故障训练数据构建SVM分类模型的个数，epi为实时数据对故障类型i的可信度数值；

所述步骤4.2具体步骤为：

在确定实时数据rt的故障类型后，将实时数据rt转化为故障分数数据J向量形式，其中向量J里数值为负的测点即为疑似发生故障的部位M；

假若实时数据rt的故障类型为n类型故障时，从故障特征数据框Π中查阅对应类型n对应的故障特征Π_n，故障特征匹配度依据下面的公式进行：

x＝M∩Π_n

其中，函数len()为求取长度函数,x为实时故障测点与故障特征的交集，Π_n为故障类型n的故障特征；

所述步骤4.3具体步骤为：

当设备确诊出现某种已知故障时，设备故障智能诊断系统开始读取专家知识库里相应故障目录下的维修建议，按照建议的权重大小依次展示给检修人员，同时依据步骤4.2求出的matchDG值的大小推算维修时间。