[发明专利]基于序贯随机森林的实时故障诊断方法和系统

权利要求书

1.一种基于序贯随机森林的实时故障诊断方法，其特征在于，包括：

获取待诊断非线性系统的待测残差信号；

基于小波包分解提取所述待测残差信号的时频特征向量；

将所述时频特征向量代入到训练之后的随机森林故障分离器中，并对所述待诊断非线性系统进行序贯概率比检验，得到目标故障信息；所述目标故障信息包括目标故障类型和目标故障发生时间；

将所述时频特征向量和所述目标故障类型代入到训练之后的回归随机森林故障辨识器中，得到与所述目标故障类型相对应的故障大小信息；

将所述时频特征向量代入到训练之后的随机森林故障分离器中，并对所述待诊断非线性系统进行序贯概率比检验，得到目标故障信息，包括：

将所述时频特征向量代入到训练之后的随机森林故障分离器中，根据森林投票结果得到当前状态对应每种故障类型发生的概率输出；

基于所述概率输出，计算针对每种故障类型的序贯概率比统计量；

基于所述每种故障类型的序贯概率比统计量，对所述待诊断非线性系统进行序贯概率比检验，得到目标故障信息；

获取待诊断非线性系统的待测残差信号，包括：

建立所述待诊断非线性系统的标称模型，并获取所述标称模型的标称系统残差信号；

获取所述待诊断非线性系统的观测残差信号；

基于所述标称系统残差信号和所述观测残差信号，得到所述待测残差信号；

所述方法还包括：基于所述标称系统残差信号和所述观测残差信号，得到所述待测残差信号，包括：

通过如下算式，确定所述待测残差信号：e_l=e_s-g(e_n,t_r,t_c)；其中，e_l为所述待测残差信号，e_s为所述观测残差信号，e_n为所述标称系统残差信号，g(e_n,t_r,t_c)为标称残差注入函数，t_r,t_c分别为指令信号改变时刻和标称残差注入持续时间；

所述方法还包括：

获取所述待诊断非线性系统的残差样本训练集；所述残差样本训练集包括正常模态下的残差样本数据和故障模态下的残差样本数据；

基于所述残差样本训练集，对预设随机森林故障分离器进行训练，并利用麻雀寻优算法对所述预设随机森林故障分离器的结构参数组合进行寻优，得到最优结构参数组合对应的训练之后的随机森林故障分离器。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述待诊断非线性系统的故障类型训练集；所述故障类型训练集包括所述待诊断非线性系统在每个故障类型下的残差样本数据；

基于所述故障类型训练集，对预设回归随机森林故障辨识器进行训练，并利用麻雀寻优算法对所述预设回归随机森林故障辨识器的结构参数组合进行寻优，得到最优结构参数组合对应的训练之后的回归随机森林故障辨识器。

3.根据权利要求1所述的方法，其特征在于，基于所述概率输出，计算针对每种故障类型的序贯概率比统计量，包括：

通过如下算式计算针对每种故障类型的序贯概率比统计量：

其中，为所述待诊断非线性系统在t时刻发生第k种故障类型的序贯概率比统计量，为所述待诊断非线性系统在t-t_s时刻发生第k种故障类型的序贯概率比统计量，t_s为所述待测残差信号的截取时间间隔，P_k(X_t)为所述待诊断非线性系统在t时刻发生了第k种故障类型的概率，P₀(X_t)为所述待诊断非线性系统在t时刻正常的概率。