[发明专利]一种基于优化的相关向量机装甲车动力舱故障诊断方法

摘要

本发明提供了一种基于优化的相关向量机装甲车动力舱故障诊断方法，包括：步骤1，通过传感器采集动力舱的故障样本数据，得到样本数据，S＝{(x_i,y_i)}，其中，为第i个n维属性样本，i∈[1,N]，N为样本总数；y_i为第i个样本对应的故障类别；步骤2，将样本数据S＝{(x_i,y_i)}进行归一化预处理，得到训练集和测试集；步骤3，利用基于高斯扰动的布谷鸟搜索算法选择最优的RVM核参数σ；步骤4，将训练集数据输入RVM模型，进行训练，构造相关向量机；步骤5，用构造好的RVM分类器对测试集的数据进行分类，得到相应的动力舱故障状态。本发明在缩短训练时间的同时能提高分类精度，泛化能力强，能准确的检测出动力舱的不同故障问题，很好的解决了动力舱一体机式故障诊断问题。

主权项

1.一种基于优化的相关向量机装甲车动力舱故障诊断方法，其特征在于，所述方法包括以下步骤，步骤1，通过传感器采集动力舱的故障样本数据，得到样本数据，S＝{(x_i,y_i)}，其中，为第i个n维属性样本，i∈[1,N]，N为样本总数；y_i为第i个样本对应的故障类别；步骤2，将样本数据S＝{(x_i,y_i)}进行归一化预处理，得到训练集和测试集；步骤3，利用基于高斯扰动的布谷鸟搜索算法选择最优的RVM核参数σ；步骤31，收集动力舱的传感器参数数据，构成RVM的训练集，初始化GCS算法的参数，包括鸟巢的个数n，寄住鸟发现“外来卵”的概率P_a，核函数参数的选取范围等；步骤32，在解空间里随机产生n个鸟巢位置，即生成初始解，在鸟巢中产卵，每一个鸟巢位置对应一个参数σ，比较鸟巢位置的优劣，找到当前最优鸟巢位置，将当前最优鸟巢位置保留至下一代；步骤33，对其他鸟巢位置进行更新迭代，得到一组新的鸟巢位置，并比较鸟巢位置的优劣；步骤34，将这组鸟巢位置与上一代的鸟巢位置进行比较，用较好的鸟巢位置代替较差的鸟巢位置，得到一组较优鸟巢位置步骤35，产生一个随机数r比较其与p_a的大小，保留k_t中被发现概率较小的鸟巢，且随机更新被发现概率较大的鸟巢，得到一组新的鸟巢位置并评价其优劣，将这组鸟巢位置与k_t中的鸟巢位置进行比较并择优取之，得到一组新的较优鸟巢位置步骤36，对鸟巢位置p_t进行高斯扰动，得到一组新的鸟巢位置并评价其优劣，将这组鸟巢位置与p_t中的鸟巢位置进行比较，用较优的鸟巢位置代替较差的鸟巢位置，最终得到一组更优的鸟巢位置此时仍将p”_t记为p_t；步骤37，找出步骤36中p_t中的最优解，判断迭代次数是否已达上限和精度是否满足要求，若满足结束条件，则输出最优解，否则返回步骤33；步骤38，根据最优鸟巢位置得到对应的RVM的核参数σ；步骤4，将训练集数据输入RVM模型，进行训练，构造相关向量机；步骤5，用构造好的RVM分类器对测试集的数据进行分类，得到相应的动力舱故障状态。