[发明专利]一种诊断故障传感器的方法与装置

权利要求书

1.一种诊断故障传感器的方法，包括：

获取传感器采集的数据，提取第一特征向量，输入第一故障诊断模型，得到关于传感器的第一故障诊断结果；

对于第一故障诊断结果中待定的传感器，提取第二特征向量，并输入第二故障诊断模型，得到关于待定传感器的第二故障诊断结果；

其中，第一故障诊断模型和第二故障诊断模型是由传感器采集的数据为样本数据，以及预先确定的诊断结果为样本标签，经过训练后得到的；所述第一特征向量包括：原始数据特征向量、滤波数据特征向量、差分数据特征向量、跑车漂移特征向量、静止抖动特征向量；所述第二特征向量包括：原始数据特征向量、滤波数据特征向量、上货特征向量、卸货特征向量；第一故障诊断模型是多分类梯度提升决策树模型；第二故障诊断模型是二分类梯度提升决策树模型，包括多个强学习器；所述第二故障诊断模型的训练步骤包括：

在每次迭代过程中，针对每个类别都独立训练一棵CART回归树，训练一棵CART回归树的流程如下：

第一，利用先验信息初始化第一个弱学习器，

其中，是训练样本中标签为异常的比例，是训练样本中标签为正常的比例；

第二，分别建立棵CART回归树：

1)对，计算第棵树的残差

2)对，利用CART回归树拟合数据，得到第棵CART回归树，其对应的叶子结点区域为，其中，为第二故障诊断模型的样本个数，，且为第棵树的叶子结点的个数；

3)对于个叶子结点区域，计算出最佳拟合值：

其中为使后面式子取最小值时c的取值；

4）更新强学习器：

其中，为指示函数，当时取值为1，否则为0，表示第m个学习器；

5)得到最终强学习器的表达式

最终得到第二故障诊断模型的表达式为：

调整合理的参数，使得损失函数数值达到第二故障诊断模型的要求。

2.如权利要求1所述的方法，其中，当所述多个强学习器的诊断结果不一致时，最终诊断结果以多数结果确定；对于在同一设备上安装有多个传感器的情况，若有诊断结果为异常，则将异常传感器屏蔽并发出维修指令。

3.如权利要求1所述的方法，其中，所述多分类梯度提升决策树模型的基底包括CART回归树，建立所述CART回归树的过程为：针对训练集中的不同特征，选择切分点；计算不同切分点对应的均值；合理选择属性值的切分点，使得目标函数值最小，以该属性值切分点划分；从而选取最优特征和最优切分点。