[发明专利]一种基于改进的模糊支持向量机的故障分类方法

摘要

本发明公开了一种基于改进的模糊支持向量机的故障分类方法，该方法包括：获取开关柜的样本数据，通过引入松弛因子对所述样本数据建立优化模型，计算所述优化模型的超球面的最小半径；以所述超球面的最小半径为超球面边界，利用分段半降正态云模型计算超球面边界内外的样本数据的隶属度；将开关柜的样本数据、故障分类标志以及所述隶属度构成故障类型的样本集，利用所述故障类型的样本集获得改进FSVM的最优分段函数；利用改进FSVM的最优分段函数建立改进FSVM的分类器，将所述样本数据依次通过所述改进FSVM的分类器，获得每个样本数据的故障类型。该方法实现提升开关柜故障分类的效果。

主权项

1.一种基于改进的模糊支持向量机的故障分类方法，其特征在于，包括：获取开关柜的样本数据，通过引入松弛因子对所述样本数据建立优化模型，计算所述优化模型的超球面的最小半径；以所述超球面的最小半径为超球面边界，利用分段半降正态云模型计算超球面边界内外的样本数据的隶属度；将开关柜的样本数据、故障分类标志以及所述隶属度构成故障类型的样本集，利用所述故障类型的样本集获得改进FSVM的最优分段函数；利用改进FSVM的最优分段函数建立改进FSVM的分类器，将所述样本数据依次通过所述改进FSVM的分类器，获得每个样本数据的故障类型；所述利用分段半降正态云模型计算超球面边界内外的样本数据的隶属度，包括：利用分段半降正态云模型C(E_r,E_nr1,H_er1)和分段半降正态云模型C(E_r+R,E_nr2,H_er2)计算超球面边界内外的样本数据的隶属度μ_r；E_r和E_r+R为期望，E_nr1和E_nr2为熵，H_er1和H_er2为超熵；隶属度μ_r的计算公式如下：其中，μ_r(r_cm,E′_nr)表示隶属度μ_r，r_cm为样本数据与球心的距离，E′_nr为样本数据与球心的距离的标准差随机向量；为分段半降正态云模型C(E_r,E_nr1,H_er1)在[E_r+R‑2H_er1/3,E_r+R+2H_er1/3]区间的隶属度均值，R为所述超球面的最小半径；利用隶属度μ_r计算样本数据M_i的隶属度μ_i。