[发明专利]基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法

权利要求书

1.一种基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法，其特征在于，它包括如下步骤：

步骤1：从船舶电力推进系统变频器中采集推进电机的三相电流均方根值信号和转矩信号作为卷气效应识别器的输入数据；

步骤2：将螺旋桨卷气效应等级作为卷气效应识别器的输出数据，将螺旋桨卷气效应等级与推进电机的三相电流均方根值信号和转矩信号一起形成完整的样本集；

步骤3：设定证据推理规则弱学习器个数，并初始化每个弱学习器的权重；

步骤4：采用K均值聚类方法分别算出集推进电机的转矩信号和三相电流均方根值信号各自的聚类中心，将转矩信号的聚类中心与转矩信号中的最大最小值一起，组成证据推理规则中输入的第一组参考值；

将三相电流均方根值信号的聚类中心与三相电流均方根值信号中的最大最小值一起，组成证据推理规则中输入的第二组参考值，将第一组参考值和第二组参考值形成当前弱学习器参考值集合；

步骤5：将所述样本集转化为与当前三相电流均方根值信号、转矩信号和螺旋桨卷气效应等级对应的弱学习器参考值的相似度形式，并形成信度分布矩阵；

步骤6：将信度分布矩阵转化为表征所述三相电流均方根值信号、转矩信号与螺旋桨卷气效应等级关系的证据矩阵表；

步骤7：根据所述三相电流均方根值信号和转矩信号与螺旋桨卷气效应等级之间的相对变化定义根据所述三相电流均方根值信号和转矩信号评估螺旋桨卷气效应等级的可靠性因子；

步骤8：根据可靠性因子将证据矩阵表中的各条证据信息依据证据推理规则进行融合，得到融合结果；

步骤9：根据融合结果得出初始螺旋桨卷气效应等级估计值，并与螺旋桨卷气效应等级真实值的最小均方误差作为优化目标函数，确定所优化的弱学习器参考值集合和证据之间的相对权重建立参数优化模型，得到优化后的弱学习器参考值集合和证据间的相对权重集合，并根据优化后的弱学习器参考值集合和证据间的相对权重利用证据推理规则估计螺旋桨卷气效应的最终等级；

步骤10：统计当前证据推理规则弱学习器的精度，并计算当前弱学习器的学习系数，通过学习系数更新弱学习器的权重；

步骤11：重复步骤4～10，直至达到设定弱学习器个数，将所有弱学习器，组成自适应提升强分类器，对螺旋桨卷气效应等级做出最终估计。

2.根据权利要求1所述的基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法，其特征在于：所述步骤2中，将上述所得转矩信号和三相电流均方根值信号分别作为卷气效应识别器输入f₁(t)和f₂(t)，其中和分别为转矩信号的卷气效应识别器输入f₁(t)的最小和最大值，和分别为三相电流均方根值信号的卷气效应识别器输入f₂(t)的最小和最大值；并将螺旋桨卷气效应等级记为y(t),y(t)∈[l₁，l₂]，其中l₁和l₂分别是y(t)的最小和最大值；将f₁(t)、f₂(t)和y(t)表示成样本集合S＝{[f₁(t),f₂(t),y(t)]|t＝1,2,…,T_S}，T_S表示样本总数量，其中[f₁(t),f₂(t),y(t)]为一个样本向量。

3.根据权利要求1所述的基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法，其特征在于：在步骤3中，设定证据推理规则弱学习器个数为G，并初始化每个弱学习器的权重ω_g＝1/G，形成弱学习器初始权重集合M＝{ω_g|g＝1,2,…,G}。