[发明专利]一种基于集成学习的船舶动力系统故障诊断方法

权利要求书

1.一种基于集成学习的船舶动力系统故障诊断方法，其特征在于，包括以下步骤：

步骤S01：采集样本，每一个样本包括船舶动力系统的参数向量x_i、船舶故障类型代码y_i，并对参数向量x_i进行归一化处理，共采集n个样本，形成样本集S＝{(x₁,y₁),(x₂,y₂),…(x_n,y_n)}，其中船舶动力系统的参数向量长度为L_p，共有L_f种船舶故障类型；

步骤S02：针对每一船舶故障类型，在保持同样比例的情况下，将样本集S按照一定的比例划分训练样本集Strain和测试样本集Stest，训练样本集的样本个数为n_strain，测试样本集的样本个数为n_test；

步骤S03：针对每一船舶故障类型，建立一个强分类器H_j(x)，j＝1～L_f，共建立L_f个强分类器；

步骤S04：利用以上建立的多个类别的强分类器H_j(x)，j＝1～L_f，分别对测试样本集中的测试样本进行故障判断，最后采用投票的方式确定最终的故障类别；

所述步骤S01中所述的船舶动力系统的参数向量x_i，长度为13，即L_p＝13，具体包括：(1)缸内压力、(2)气缸进气温度、(3)气缸排气温度、(4)气缸进气压力、(5)气缸排气压力、(6)中冷器进口温度、(7)中冷器出口温度、(8)中冷器进口压力、(9)中冷器出口压力、(10)增压器进口温度、(11)增压器出口温度、(12)增压器进口压力、(13)增压器出口压力；

所述步骤S01中所述的船舶动力系统的故障类型共包括10种，即L_f＝10，船舶故障类型代码y_i包括：A-各缸供油量减少、B-喷油正时故障、C-压缩比变化、D-曲轴箱窜气、E-中冷器效率故障、F-涡轮流道污堵、G-排气阀提前关闭、H-排气阀延迟关闭、I-增压器效率故障，J-正常状态；

所述步骤S03中所述的强分类器建立方法包括

步骤S31：设置训练的次数T，并对训练样本集Strain的各样本赋以初始化权值w_1,r， r是训练样本集中样本的序号，r＝1～n_strain，n_strain是训练样本集中样本的个数，样本集的初始权值分布为一个长度为n_strain的向量

步骤S32：按照训练样本的权值分布，从训练样本集Strain随机抽取部分样本组成训练集L；

步骤S33：使用基学习算法对训练集L进行训练，生成弱分类器h_k，k为当前训练的次数；

步骤S34：使用步骤S33中生成的弱分类器h_k对训练样本集Strain的样本进行预测，计算该弱分类器h_k的错误率ε_k

ε_k＝P{h_k(x_r)≠y_r(x_r)}

其中y_r(x_r)是训练样本集Strain中的样本，h_k(x_r)是使用弱分类器h_k得到的预测结果，r＝1～n_strain；

如果该弱分类器h_k的错误率ε_k＞0.5，该弱分类器失效，返回步骤S32；

如果该弱分类器h_k的错误率ε_k≤0.5，进入步骤S35；

步骤S35：计算该弱分类器h_k的权重

并更新训练样本集的权重分布

其中Z_k是归一化因子

增加循环次数k＝k+1，如果k＜T，进入步骤S32，如果k＝T，进入步骤S36；

步骤S36：上述步骤S31～S35中共生成了T个弱分类器，每个弱分类器具有权重组成强分类器H(x)