[发明专利]基于单类支持向量机的故障诊断方法

权利要求书

1.一种基于单类支持向量机的故障诊断方法，其特征在于，步骤为：

①.构建特征样本：针对包括正常状态在内的m个已知状态类别，利用测试数据分别构建用于不同状态检测的特征样本；

②.获得单类支持向量机检测器：使用上述构建的特征样本分别训练单类支持向量机，得到m个单类支持向量机检测器；

③.构建故障诊断模型：将上述得到的单类支持向量机检测器串联起来，形成树形结构的故障诊断模型；

④.故障诊断：诊断时，将测试数据依次输入到故障诊断模型中的单类支持向量机检测器内，根据单类支持向量机检测器对测试数据的输出，实现对正常状态、已知故障状态和未知异常状态的决策。

2.根据权利要求1所述的基于单类支持向量机的故障诊断方法，其特征在于：所述步骤①中，针对已知的诊断对象的不同状态类ω_k，借助各种振动信号处理手段，提取用于不同状态检测的训练样本特征向量ω_k中k＝1，...，m，ω₁表示正常状态类，ω₂～ω_m表示m-1种故障状态类；中上标k表示样本特征向量是专用于检测状态类ω_k的，k＝1，...，m，下标i表示样本序列，i＝1，...，N_k，N_k是第k类样本的个数。

3.根据权利要求2所述的基于单类支持向量机的故障诊断方法，其特征在于，所述步骤②的具体流程为：

2.1、根据单类支持向量机原理，分别利用m个状态的训练特征样本训练求解二次优化问题，即可得到用于检测状态ω_k的单类支持向量机检测器；

最大化：Σi=1NkαikK(xik,xik)-Σi,j=1NkαikαjkK(xik,xjk)---(1)]]>

满足约束：0≤αik≤C,i=1,...,Nk---(2a)]]>

Σi=1Nkαik=1---(2b)]]>

式中是第k类样本；是与样本对应的拉格朗日乘子；K是核函数；C是用于平衡超球体积和误差的松弛变量；

2.2、利用上述步骤中求解二次优化问题得到拉格朗日乘子集构造针对m个状态类别的单类支持向量机决策函数；

gk(zk)=[K(xbk,xbk)-2Σi=1NkαikK(xik·xbk)]]]>

-[K(zk,zk)-2Σi=1NkαikK(xik·zk)]---(3)]]>

其中z^k表示为第k类状态构建的测试样本特征向量，式中是单类支持向量机边界上的支持向量，对应的拉格朗日乘子满足g^k(z^k)≥0表示诊断对象处于第k类状态，g^k(z^k)＜0表示诊断对象不处于第k类状态。

4.根据权利要求3所述的基于单类支持向量机的故障诊断方法，其特征在于，所述步骤④的具体流程为：

4.1、对于未知状态下的测试信号，构建第一类检测特征向量z¹，输入到第一个单类支持向量机求解g¹(z¹)；若g¹(z¹)≥0，则判断诊断对象正常，终止诊断过程；否则判断诊断对象异常，执行步骤4.2；

4.2、构建第二类检测特征向量z²，输入到第二个单类支持向量机求解g²(z²)；若g²(z²)≥0，则判断诊断对象出现了ω₂类故障，终止诊断过程；否则判断诊断对象没有出现ω₂类故障，执行步骤4.3；

4.3、按照上述步骤4.2的做法判断诊断对象是否出现了下一种已知故障，依次类推，直至判断出诊断对象是否处于已知的m个状态；若诊断对象不处于任意已知的m个状态，则判断诊断对象出现了未知的异常状态，结束诊断过程。