[发明专利]一种基于投票机制的支持向量机机械故障诊断方法

摘要

本发明公开一种基于投票机制的支持向量机机械故障诊断方法，通过三种不同的特征分析算法：工频谐波结构特征分析算法、多分辨率带通滤波器组频谱分析方法及希尔伯特黄变换特征分析方法，对机械设备故障运行状态下发出的声音信号进行特征提取，然后利用支持向量机算法进行分类识别。上述采用的三特征分析算法对于机械噪声此类非平稳非线性信号具有很好的适用性，能够多方面、自适应地描述信号的时频特征。分类算法采用一种基于投票机制的支持向量机多分类器。该分类器采用一类对余类法将多分类器分解为多个二类分类器，同时基于投票机制及置信度最优准则判决方法，保证了该分类方法能够达到较高的识别率及较好的算法鲁棒性。

主权项

1.一种基于投票机制的支持向量机机械故障诊断方法，其特征在于，包括以下步骤：第一步：基于双声道音频采集器，将主麦克风正对变电站内GIS或其他电气设备采集运行声音信号，副麦克风用于采集周围环境噪声；第二步：将副麦克风中采集的声音数据作为噪声参考信号，基于自适应噪声抵消原理将主麦克风采集到的运行声音信号与噪声混合信号中环境噪声滤除，获得滤除噪声后的声音信号；第三步：基于工频谐波结构分析算法、多分辨率带通滤波器组频谱分析算法及希尔伯特—黄变换算法三种算法分别提取滤除噪声后的声音信号特征：工频谐波特征向量、多分辨率带通滤波器组特征向量及HHT变换边际谱系数特征向量；第四步：分别利用典型故障类型下第三步中三组特征向量库训练OVR分类机，同时基于交叉验证法计算对应OVR分类机的置信度CIh,CIbpf和CIhht；第五步：基于第四步中训练好的VOR分类机分别对待诊断的GIS或其他电气设备进行故障诊断，故障诊断结果向量分别为g1{k*1},g2{k*1}和g3{k*1}；第六步：综合三个分类机的分类结果及其自身的置信度进行投票，若三个分类机中至少有两个得出相同的诊断结果，即投票能够得出故障诊断结果则以多数投票制判决，确定最终分类结果；否则则根据置信度CIh,CIbpf和CIhht选取置信度最高的分类机输出结果作为最终故障诊断结果。