[发明专利]基于小波分析和多层超限学习机的高空台故障诊断方法

权利要求书

1.一种基于小波分析和多层超限学习机的高空台故障诊断方法，其特征在于步骤如下：

步骤1：基于系统带标签的故障样本原始数据x(t)，采用小波分析法进行提取特征和去噪；

1)采用二进小波变换得到小波变换系数

其中τ为频移因子，n＝(log₂m)-5，m表示信号长度；

2)对各个分解尺度下的小波系数选择一个阈值进行阈值量化处理，过滤小波系数低于阈值的噪声信号，保留小波系数高于阈值的有用信号；通过公式

计算得出阈值，式中，N为实际测量信号x(t)经过小波变换分解得到小波系数的个数总和，σ为给定的附加噪声信号的标准差；根据W_x(2^j，τ)≥T选取符合条件j的范围A≤j≤B；

3)根据小波分解后的最底层低频小波系数和各个高频小波系数，进行信号的小波重构，得到重构后的信号：

步骤2：构造多层超限学习机，进行在线序列学习训练；

构建第一层自动编码器，初始阶段先选取N₀组数据其中为经过特征提取和去噪后的样本数据，t_i为输出目标，为隐含层神经元数目；

1)随机产生输入权值矩阵w_i和偏置矩阵b_i，其中，

2)计算初始的隐含层输出矩阵H₀，有

其中g(·)为激活函数，这里为Sigmiod函数；

3)计算初始的输出权重矩阵β₀，有

其中

为输出目标组成的矩阵；

4)设k＝0，k为块数，表示初始化学习阶段；

5)设第k+1块样本集

6)计算隐含层输出矩阵H_k+1，有

在线序列学习；利用新样本递推更新输出权重矩阵β_k+1，直到k＝N；

计算输出权重矩阵β_k+1，有

其中

令k＝k+1，转至在线学习阶段步骤1)直到k＝N结束；

构造下一层自动化编码器，以H_N做为第i层自动编码器的输入

由以上递推步骤1)-6)计算第i层自动编码器输出权重矩阵

以做为第i层到第i+1层自动编码器之间的权重值；

重复构造自动编码器直到层数达到q，计算出输出权重矩阵完成在线序列多层超限学习机训练；

步骤3：针对实际系统数据，进行故障诊断

把待检测的系统实际数据X^d，进行主元分析法提取特征和去噪后得到在线输入多层超限学习机网络，基于输出权重矩阵计算实际数据的在线网络输出值F_k；

输入层输出为：

中间编码层输出为：

最后一层输出值为：其中g(·)为激活函数，这里为Sigmiod函数；

把输出值和故障样本的标签值相比较，故障诊断逻辑为：

2.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。

3.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。

4.一种计算机程序，其特征在于包括计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。