[发明专利]基于优化支持向量机的三电平逆变器开路故障诊断方法

摘要

本发明涉及一种基于优化支持向量机的三电平逆变器开路故障诊断方法，该方法包括以下顺序的步骤：(1)故障特征提取，样本分配；(2)核Fisher降维，优化核函数参数；(3)确定支持向量所属的区间；(4)KNN参考点提取；(5)测试样本分配；(6)测试样本分类。本发明采用固有模态分解和奇异值分解进行特征提取能够更好地提取时变非线性信号特征；利用核Fisher算法提取支持向量作为训练样本，能够有效提高支持向量机的训练速度；利用KNN算法对分类超平面附近的测试样本分类，能够提高分类超平面附近测试样本的分类准确度；利用核Fisher算法构建的SVM‑KNN分类器能够在较少的测试时间内以更高的精度正确分类三电平逆变器开路故障。

主权项

1.一种基于优化支持向量机的三电平逆变器开路故障诊断方法，其特征在于：该方法包括以下顺序的步骤：(1)故障特征提取，样本分配：将箝位二极管两端电压信号进行经验模态分解，得到10个固有模态分量imf_i(t)，i＝1,2,…,10和1个残余分量，利用所有固有模态分量imf_i(t)构造矩阵S＝[imf₁(t),imf₂(t),…,imf₁₀(t)]_m×10，其中m为采样点数，对矩阵S进行奇异值分解，得到1行10列的特征向量X，改变三电平逆变器输入电压，获得一组不同故障模式下的特征向量作为样本，按7:3的比例将样本分为训练样本和测试样本，将多分类问题转化为个二分类问题，把训练样本分成组训练样本X_ij,i＝1,2,j∈1,2,…,N，其中，c为样本总类别数，i表示样本类别，j表示样本序列，N表示样本点数；(2)核Fisher降维，优化核函数参数：选取高斯核作为核函数，利用核Fisher算法对训练样本X_ij降维，得到训练样本X_ij在一维空间投影P_hq，类内投影最大值和最小值类内投影点之间的最大距离差以及核Fisher系数α，以此优化高斯核宽度参数σ,其中分别表示第1类和第2类样本投影的最大值，分别表示第1类和第2类样本投影的最小值，d₁,d₂分别表示第1类和第2类样本投影的类内距离差；(3)确定支持向量所属的区间：利用上述步骤(1)中的和d₁,d₂计算样本点选取指标参数ξ及初始区间D，其中ξ∈[0,1]，当ξ＝0为选取两个类中投影距离最近的两个样本点，ξ＝1为选取两个类的所有样本点，选取投影P_hq落在初始区间D内的点对映的训练样本训练支持向量机，以获得的支持向量总数Z，计算支持向量所在区间D₁；(4)KNN参考点提取：利用上述步骤(1)中的d₁,d₂和上述步骤(2)获得的ξ，计算KNN参考点所在区间D₂，若则若则获取投影P_hq落在区间D₂内的点对应的训练样本记为(5)测试样本分配：利用上述步骤(1)获得的高斯核宽度参数σ和核Fisher系数α，计算测试样本的高斯核矩阵K_t和测试样本的一维投影P_t＝α·K_t，获取投影P_t落在区间D₁内的点对应的测试样本记为P_t落在区间D₁外的点对应的测试样本记为其中k(x_i,x_j)为核函数，M为测试样本点数；(6)测试样本分类：重复步骤(2)，(3)，(4)，(5)共次，利用获取的所有支持向量训练支持向量机并对分类，利用KNN算法以为参考点对分类。