[发明专利]一种基于支持向量机与专家系统的故障诊断方法

权利要求书

1.一种基于支持向量机与专家系统的故障诊断方法，其特征在于，包括以下步骤：

(1)将专家知识和经验通过知识获取模块储存到知识库中；

(2)推理机获取知识库中知识前先对其进行预处理；

(3)选择核函数；

(4)使用交叉验证的方法搜寻最优参数C和γ；

(5)推理机对预处理后的数据根据最优参数C和γ进行训练并分类，生成相应的支持向量模型；

(6)将实时采集过来的数据进行特征值提取存入到数据库中；

(7)当对步骤(6)数据进行判别时，推理机根据步骤(5)训练生成的支持向量模型对步骤(6)获取的数据进行分类学习，判断故障所属的类型及原因；

(8)输出诊断结果。

2.如权利要求1所述的一种基于支持向量机与专家系统的故障诊断方法，其特征在于，所述步骤(2)中的预处理步骤为将知识库中知识转换成支持向量机所要求的输入格式。

3.如权利要求1所述的一种基于支持向量机与专家系统的故障诊断方法，其特征在于，所述推理机采用的是支持向量机。

4.如权利要求3所述的基于支持向量机与专家系统的故障诊断方法，其特征在于，所述支持向量机是多类支持向量机，采用一对一的分类方法，把k类分类问题，构造成N＝k(k-1)/2个两类SVM分类器。

5.如权利要求3所述的基于支持向量机与专家系统的故障诊断方法，其特征在于，所述支持向量机中使用的分类模型是C-SVC,采用惩罚参数的SVM思想进行分类。

6.如权利要求1所述的基于支持向量机与专家系统的故障诊断方法，其特征在于，所述步骤(3)的核函数采用的是RBF核函数，所述RBF核函数确定的参数是惩罚参数和核参数，惩罚参数的作用是在映射后的高维空间汇总，对学习机器的置信区间范围进行调节；核参数的作用是映射后的数据在高维空间分布的复杂程度。

7.如权利要求6所述的基于支持向量机与专家系统的故障诊断方法，其特征在于，所述RBF核函数的表达式为K(x,y)＝exp{-γ|x-y|²}，其中x,y是特征向量。