[发明专利]基于DAG-SVM的变压器故障诊断提升方法

权利要求书

1.基于DAG-SVM的变压器故障诊断提升方法，其特征在于，具体按照以下步骤实施：

步骤1、对所采集的油浸式变压器带有类标签的样本集S＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}每一类按3：1比例分为：训练样本和测试样本；

其中，x_i代表样本属性，包括有氢气、甲烷、乙烷、乙烯、乙炔五种属性，y_i代表类别标签1、2、3、4、5、6，分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电6个状态；

步骤2、从步骤1的训练样本中有放回的抽取数量小于原训练样本的T个新的训练样本集训练SVM模型，得到T个弱学习器，即得到一组决策函数序列H_t＝{h₁,h₂,...,h_T}；

步骤3、利用正常状态、中温过热、高温过热、局部放电、火花放电及电弧放电这6种类别标签及步骤2中所获取的决策函数序列建立T个DAG-SVM分类树模型；

步骤4、利用步骤3得到的T个DAG-SVM分类树模型分别进行故障诊断；

所述步骤2具体按照以下步骤实施：

步骤2.1、设置训练次数为T；

步骤2.2、经步骤2.1后，在训练样中利用bootstrap抽样方法进行随机抽样，每次抽样样本数为3/4的训练样本，并以抽样样本为每一轮迭代的训练样本；

步骤2.3、经步骤2.2后，对标签1类和2类、1类和3类、1类和4类、1类和5类、1类和6类、2类和3类、2类和4类、2类和5类、2类和6类、3类和4类、3类和5类、3类和6类、4类和5类、4类和6类、5类和6类这15对，分别用每一对标签所对应的抽样样本进行SVM训练；

在训练过程中，每一对类别标号小的对应为正样本1，类别标号大的对应为负样本-1，则得到15个决策函数，决策函数的表达式具体如下：

f＝w^Tx+b (1)；

式(1)中，w、b指的是权值矢量，则第i次迭代下的决策函数h_i＝(f_i1,f_i2,...,f_i15)包含上述的15个决策函数；

步骤2.4、经步骤2.3后，若迭代次数i＜T，则跳到步骤2.2，否则就要跳出循环，并得出函数序列H_t＝{h₁,h₂,...,h_T}；

所述步骤4具体按照以下步骤实施：

步骤4.1、设定迭代次数为T；

步骤4.2、以测试样本中数据为待测样本，作为分类树的输入，经过分类树的分析，得出结论，其中涉及的方法为：

在第i次迭代时，则调用第i个DAG-SVM分类树模型，对测试样本进行测试，得到第i组结果；

步骤4.3、经步骤4.2后，若得到i＜T，则转到步骤4.2，否则结束循环；

步骤4.4、通过对得到的得到T组结果进行投票，得到待测样本最终的输出结果。

2.根据权利要求1所述的基于DAG-SVM的变压器故障诊断提升方法，其特征在于，所述步骤3中T个DAG-SVM分类树模型具体按照以下步骤建立：

步骤a、设i＝1，j＝15，i指向的是第一个类标签1类，j指向的是最后一个类别标签6类，之后开始建分类树；

步骤b、根据类别数确定分类树有6层；

分类树的根节点为1类和6类的决策函数f；

步骤c、经步骤b后，当f的值为1时，则j＝j-1，下一层节点为1类和5类决策函数；

当f的值为-1时，则i＝i+1，下一层节点为2类和6类决策函数；

得到第二层有1类和5类决策函数、2类和6类决策函数两个节点，即两个节点；

步骤d、经步骤c后，决策函数为1类和5类时，当f的值为1，则j＝j-1，下一层节点为1类和4类决策函数；当f的值为-1，则i＝i+1，下一层节点为2类和5类决策函数；

决策函数为2类和6类时，当f的值为1，则j＝j-1，下一层节点为2类和5类决策函数，当f的值为-1，则i＝i+1，下一层节点为3类和6类决策函数；

得到第三层有2类和5类决策函数、1类和4类决策函数、3类和6类决策函数，即三个节点；

步骤e、经步骤d后，决策函数为1类和4类时，当f的值为1，则j＝j-1，下一层节点为1类和3类决策函数，当f的值为-1，则i＝i+1，下一层节点为2类和4类决策函数；

决策函数为2类和5类时，当f的值为1，则j＝j-1，下一层节点为2类和4类决策函数，当f的值为-1，则i＝i+1，下一层节点为3类和5类决策函数；

决策函数为3类和6类时，当f的值为1，则j＝j-1，下一层节点为3类和5类决策函数，当f的值为-1，则i＝i+1，下一层节点为4类和6类决策函数；

得到第四层有1类和3类决策函数、2类和4类决策函数、3类和5类决策函数、4类和6类决策函数，即四个节点；

步骤f、经步骤e后，决策函数为1类和3类时，当f的值为1，则j＝j-1，下一层节点为1类和2类决策函数，当f的值为-1，则i＝i+1，下一层节点为2类和3类决策函数；

决策函数为2类和4类时，当f的值为1，则j＝j-1,下一层节点为2类和3类决策函数，当f的值为-1，则i＝i+1，下一层节点为3类和4类决策函数；

决策函数为3类和5类时，当f的值为1，则j＝j-1，下一层节点为3类和4类决策函数，当f的值为-1，则i＝i+1，下一层节点为4类和5类决策函数；

决策函数为4类和6类时，当f的值为1，则j＝j-1，下一层节点为4类和5类决策函数，当f的值为-1，则i＝i+1，下一层节点为5类和6类决策函数；

所以第五层有5个节点为：1类和2类决策函数、2类和3类决策函数、3类和4类决策函数、4类和5类决策函数、5类和6类决策函数；

步骤g、经步骤f后，决策函数为1类和2类时，当f的值为1，则j＝j-1，下一层节点为1类，当f的值为-1，则i＝i+1，下一层节点为2类；

决策函数为2类和3类时，当f的值为1，则j＝j-1，下一层节点为2类，当f的值为-1，则i＝i+1，下一层节点为3类；

决策函数为3类和4类时，当f的值为1，则j＝j-1，下一层节点为3类，当f的值为-1，则i＝i+1，下一层节点为4类；

决策函数为4类和5类时，当f的值为1，则j＝j-1，下一层节点为4类，当f的值为-1，则i＝i+1，下一层节点为5类；

决策函数为5类和6类时，当f的值为1，则j＝j-1，下一层节点为5类，当f的值为-1，则i＝i+1，下一层节点为6类；

所以第六层有上述所述6个节点，也就是所谓的6类判别结果，包含正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电。