主权项 |
一种基于小波分形及核主元特征的开关电流电路故障诊断方法,包括以下步骤:步骤一:开关电流电路故障诊断模块的训练步骤;步骤二:采取开关电流电路故障诊断模块对有故障开关电流电路进行实时故障诊断的步骤;所述的步骤一包括:步骤A:采取ASIZ(Analysis of Switched‑current Filters in Z Transform)软件对开关电流电路中每一个可能发生的故障类别进行故障模拟,在电路的输出端获得对应于每个故障类别的60个故障响应信号,所述故障响应信号为开关电流电路的节点电流信号;步骤B:对所述的故障响应信号进行数据处理,得到每一个故障类别的最优特征向量;步骤C:采用高斯径向基函数:k(x<sub>i</sub>,x)=exp(‑||x<sub>i</sub>‑x<sub>j</sub>||/(2σ<sup>2</sup>))为支持向量机分类器的核函数,构造支持向量机分类器,采用遗传算法优化获得支持向量机分类器的参数;步骤D:用步骤B进行数据处理后所得的最优特征向量训练支持向量机分类器;所述的步骤二包括:步骤a:在每次发生故障时,采取电路信号采集板对开关电流电路进行实时采集,在电路的输出端获得对应的60个故障响应信号,所述故障响应信号为开关电流电路的节点电流信号;步骤b:对所采集的故障响应信号进行数据处理,得到最优特征向量;步骤c:将步骤b进行数据处理后所得的最优特征向量送入步骤一中训练好的支持向量机分类器中,支持向量机分类器对故障进行分类,输出故障类别,完成故障诊断过程;所述步骤B和步骤b中的数据处理包括以下步骤:步骤1)、对每一个故障响应信号进行5层Db2小波分解,提取1~5层小波变换的每层小波逼近系数;步骤2)、对步骤1)中的故障响应信号和1~5层的小波逼近系数分别进行分形维计算得到各自的分形维数,共6个分形维数,每一个故障响应信号的6个分形维数组成一个特征向量,每个故障类别的60个故障响应信号的特征向量组成特征向量集;其中分形维计算采取如下公式:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>F</mi><mi>D</mi><mo>=</mo><mfrac><mrow><mi>l</mi><mi>o</mi><mi>g</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></mrow><mrow><mi>l</mi><mi>o</mi><mi>g</mi><mrow><mo>(</mo><mfrac><mi>d</mi><mi>L</mi></mfrac><mo>)</mo></mrow><mo>+</mo><mi>l</mi><mi>o</mi><mi>g</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></mrow></mfrac></mrow>]]></math><img file="FDA0000892249780000021.GIF" wi="447" he="188" /></maths>d=max(dist(p<sub>1</sub>,p<sub>i</sub>))式中进行分形维计算的信号具有序列[p<sub>1</sub>,p<sub>2</sub>,…,p<sub>N</sub>]的波形,N表示序列的点数,n=L/a为信号波形步长数,L是信号波形曲线相继两点之间的距离和,a为相继两点之间的平均距离;d是序列的第一个点与其余点的距离中的最大值,FD为分形维数;步骤3)、采取核主元分析方法对每个故障类别的60个故障响应信号的特征向量分别提取核主元特征,60个故障响应信号的核主元特征组成该故障类别的最优特征向量,其中核主元分析方法中的核函数采用高斯径向基函数k(x<sub>i</sub>,x)=exp(‑||x<sub>i</sub>‑x<sub>j</sub>||/(2σ<sup>2</sup>)),σ=1.2。 |