[发明专利]基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法

摘要

本发明涉及基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法，该方法从船舶电力推进系统变频器实时获取三相电流均方根值和转矩特征值，并根据螺旋桨转矩损失系数确定恶劣海况所引起卷气效应的程度设定三个等级。首先通过K均值聚类方法给出每个证据推理规则弱学习器的输入特征参考值，建立故障信度分布矩阵，利用该矩阵将输入转化为诊断证据，并计算诊断证据的可靠性因子，然后根据可靠性因子将证据进行融合，从融合结果估计螺旋桨卷气效应等级。统计当前弱学习器的精度，计算弱学习器的学习系数。循环上述过程，最终得到由多个弱学习器组成的自适应提升强分类器，得出强分类器对卷气效应等级的估计值，实现对螺旋桨卷气效应的识别。

主权项

1.一种基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法，其特征在于，它包括如下步骤：步骤1：从船舶电力推进系统变频器中采集推进电机的三相电流均方根值信号和转矩信号作为卷气效应识别器的输入数据；步骤2：将螺旋桨卷气效应等级作为卷气效应识别器的输出数据，将螺旋桨卷气效应等级与推进电机的三相电流均方根值信号和转矩信号一起形成完整的样本集；步骤3：设定证据推理规则弱学习器个数，并初始化每个弱学习器的权重；步骤4：采用K均值聚类方法分别算出集推进电机的转矩信号和三相电流均方根值信号各自的聚类中心，将转矩信号的聚类中心与转矩信号中的最大最小值一起，组成证据推理规则中输入的第一组参考值；将三相电流均方根值信号的聚类中心与三相电流均方根值信号中的最大最小值一起，组成证据推理规则中输入的第二组参考值，将第一组参考值和第二组参考值形成当前弱学习器参考值集合；步骤5：将所述样本集转化为与当前三相电流均方根值信号、转矩信号和螺旋桨卷气效应等级对应的弱学习器参考值的相似度形式，并形成信度分布矩阵；步骤6：将信度分布矩阵转化为表征所述三相电流均方根值信号、转矩信号与螺旋桨卷气效应等级关系的证据矩阵表；步骤7：根据所述三相电流均方根值信号和转矩信号与螺旋桨卷气效应等级之间的相对变化定义根据所述三相电流均方根值信号和转矩信号评估螺旋桨卷气效应等级的可靠性因子；步骤8：根据可靠性因子将证据矩阵表中的各条证据信息依据证据推理规则进行融合，得到融合结果；步骤9：根据融合结果得出初始螺旋桨卷气效应等级估计值，并与螺旋桨卷气效应等级真实值的最小均方误差作为优化目标函数，确定所优化的弱学习器参考值集合和证据之间的相对权重建立参数优化模型，得到优化后的弱学习器参考值集合和证据间的相对权重集合，并根据优化后的弱学习器参考值集合和证据间的相对权重利用证据推理规则估计螺旋桨卷气效应的最终等级；步骤10：统计当前证据推理规则弱学习器的精度，并计算当前弱学习器的学习系数，通过学习系数更新弱学习器的权重；步骤11：重复步骤4～10，直至达到设定弱学习器个数，将所有弱学习器，组成自适应提升强分类器，对螺旋桨卷气效应等级做出最终估计。