[发明专利]基于宽度学习的机电产品系统或设备实时故障诊断方法

权利要求书

1.一种基于宽度学习的机电产品系统或设备的实时故障诊断方法，其特征在于，其包括以下步骤：

步骤1：采集机电产品系统或设备的故障状态和监测数据，获得历史监测数据；

步骤2：对所述步骤1获得的历史监测数据进行数据预处理，获得预处理后的数据集[X,Y]，所述X为机电产品系统或设备故障状态相关变量，所述Y为机电产品系统或设备故障状态；

步骤3：在现有的宽度学习系统中引入代价敏感学习、设置随机失活层并采用投票式并行集成学习，获得改进宽度学习系统，所述改进宽度学习系统由N个加入代价参数和随机失活层的宽度学习系统集成所得，根据所述步骤2中获得的预处理后的数据集[X,Y]，将所述机电产品系统或设备故障状态相关变量X作为所述改进宽度学习系统的输入，将所述机电产品系统或设备故障状态Y作为所述改进宽度学习系统的输出，计算得到所述机电产品系统或设备故障诊断模型，具体包括以下步骤：

步骤31：所述步骤3在现有的宽度学习系统中引入代价敏感学习，具体为在现有宽度学习系统的输入层设置可调节的代价参数，所述可调节的代价参数的功能是将模型原始输入转变为代价敏感输入，所述可调节的代价参数为可调节的权重矩阵Λ：

式中：K为输入到宽度学习系统中的样本总数量；λ_i为可调节参数；

当第i个样本是正常样本时，λ_i为1；

当第i个样本是故障样本时，λ_i为大于1的数值；

步骤32：所述步骤3在现有宽度学习系统中设置随机失活层，具体为在宽度学习系统的隐藏层设置随机失活层，所述宽度学习系统的隐藏层包括映射特征节点组和增强节点组，所述随机失活层的功能是使得映射特征节点和增强节点随机失活；在设置可调节的代价参数和随机失活层的宽度学习系统中输入所述机电产品系统或设备故障状态相关变量X，将所述机电产品系统或设备故障状态Y作为输出，计算得到输出权重W；根据所述输出权重W和机电产品系统或设备故障状态相关变量X，获得包含代价参数、隐藏层和随机失活层的单个分类器；

步骤33：采用投票式并行集成学习获得改进宽度学习系统，所述改进宽度学习系统由N个包含代价参数、隐藏层和随机失活层的宽度学习系统构成；在所述步骤32中的随机失活层选取N-1个不同随机失活概率θ，获得N-1个包含代价参数、隐藏层和随机失活层的宽度学习系统；对所述机电产品系统或设备故障状态相关变量X随机添加高斯白噪声获得N-1组输入集；将所述N-1组输入集对应输入所述N-1个包含代价参数、隐藏层和随机失活层的宽度学习系统，所述机电产品系统或设备故障状态Y作为输出，根据所述步骤32获得单个分类器的方法建立N-1个宽度学习系统分类器；根据所述N-1个宽度学习系统分类器和所述步骤32获得的单个分类器，获得集成学习系统，所述集成学习系统包含N个分类器；集成学习输出结果集采用投票方式预测最终输出结果，获得机电产品或设备的故障诊断模型；

步骤4：采集实时监测数据，对所述实时监测数据进行与所述步骤2相同的数据预处理，获得预处理后的实时监测数据，所述预处理后的实时监测数据输入到所述步骤3获得的机电产品或设备故障诊断模型中，获得机电产品系统或设备的实时故障状态，完成故障诊断。