一种代价敏感支持向量机机车车轮检测系统及方法技术方案

本发明专利技术公开了一种代价敏感支持向量机机车车轮状态检测系统及方法，所述系统包括数据预处理模块、代价敏感支持向量机训练模块、参数寻优模块、最优代价敏感支持向量机分类模块、判别模块和车轮状态输出模块；所述检测方法包括共八个步骤，所述参数寻优步骤采用自适应变异粒子群算法，该算法是一种变异粒子群算法，具有很强的鲁棒性和全局搜索特性等优点，拓展了在迭代中不断缩小的空间，在更大空间中开展搜索，同时保持了种群多样性，提高算法寻找到最优值的可能性。

【技术实现步骤摘要】

本专利技术属于测量工程
，更具体地，涉及一种代价敏感支持向量机模型机车车轮检测系统及方法。
技术介绍
支持向量机是在统计学理论发展起来的一种实用方法，是专门研究小样本情况下机器学习规律的理论，基于结构风险最小化原则，在模式识别和机器学习领域占有非常重要地位。由于SVM能有效克服其他机器学习方法的过学习、欠学习、泛化能力不高和局部极小值等缺点，如今SVM已经广泛应用于状态识别、故障检测等领域。现有技术提出了基于支持向量机的高速列车车轮空转预测方法，但是该方法手动修改支持向量机分类阈值，实验量较大；针对数据不平衡的模糊支持向量机，泛化性较差。为了保障重载机车安全运行，对车轮状态进行检测非常有必要，机车车轮状态检测系统要求轨面发生变化时能够准确实时检测机车车轮状态，当轨面发生较大变化时，有可能产生机车打滑或空转的现象，若没有及时检测并处理会造成较大安全问题。而实际应用中，车轮正常运行的样本往往远多于故障状态的样本，类别不平衡的数据集往往存在着误分类和代价不等的问题，代价敏感支持向量机作为一种新兴的学习机器，虽然能够对数据样本进行分类输出，但是仍存在有待完善的地方，其参数选取便是亟待解决的问题之一，惩罚因子、核函数以及核函数参数取值的好坏直接影响分类器的识别精度和效率。
技术实现思路
为了克服传统的代价敏感支持向量机存在的数据样本误分类及代价不等的问题，进而考虑到自适应变异粒子群算法是一种基于群体的智能寻优算法，具有很强鲁棒性，种群多样性和全局搜索特性等优点。根据重载机车车轮状态采集数据具有小样本的特点，且机车粘着系数和蠕滑速度的关系呈现高度非线性的特点，可利用代价敏感支持向量机来对车轮状态建立分类模型。由此，本专利技术提出了自适应变异粒子群算法优化参数的代价敏感支持向量机对重载机车车轮状态进行分类的方法。针对重载机车在实际运行中正常状态远多于故障状态而形成的数据不均衡问题，采用代价敏感支持向量机建立机车车轮状态分类模型，并采用自适应变异粒子群算法优化相关参数，实现重载机车车轮状态分类检测。具体的，本专利技术提供了一种利用自适应变异粒子群算法搜索出的最优代价敏感支持向量机模型，避免了参数选择的盲目性和不准确性，同时提高了检测分类率，代价敏感支持向量机对类别不均衡样本二分类具有卓越的分类性能，。本专利技术的技术方案如下：一种代价敏感支持向量机机车车轮状态检测系统，所述系统包括数据预处理模块、代价敏感支持向量机训练模块、参数寻优模块、最优代价敏感支持向量机分类模块、判别模块和车轮状态输出模块；所述数据预处理模块输出端与训练模块输入端连接，所述代价敏感支持向量机训练模块输出端与参数寻优模块输入端相连接，所述参数寻优模块输出端与最优代价敏感支持向量机分类模块输出端连接，所述最优代价敏感支持向量机分类模块输出端与判别模块输入端连接，所述判别模块输出端与参数寻优模块输入端和车轮状态输出模块输入端连接。进一步地，所述预处理模块将机车车轮状态分为安全区和故障区两种类型；选取数据源，对数据源进行特征提取，提取到的特征变量作为实时样本数据集，实时样本数据集分为训练集和测试集，对训练集样本和测试集样本进行归一化处理。进一步地，所述参数寻优模块采用自适应变异粒子群算法，寻找代价敏感支持向量的两个惩罚因子和核函数。更进一步地，自适应变异粒子群算法是求解此类问题的一种有效方法，其程序实现异常简单，需要调整的参数极少，无需任何梯度信息，在函数优化、组合优化以及许多工程领域均得到了广泛的应用。粒子群算法是一种模拟鸟群运动规律的启发式算法，其更新公式为:式中，第i个粒子的位置可用矢量表示为xi＝(xi1,xi2,…,xid,…,xiD)，xid∈[xmin,d,xmax,d],其中d＝1,2，…D，D为解空间的维数，xmin,d和xmax,x分别是第d维空间的限制边界；粒子的速度可表示为vi＝(vi1,vi2,…,vid,…,viD),其速度最大限制为vi＝(vmax,1,vmax,2,…,vmax,d,…,vmax,D)。第i个粒子的最优空间位置记为局部最优pi＝(pi1,pi2,…,pid,…,piD),同样种群中位置最优的粒子记为全局最优pg；ω为惯性权重，k为当前迭代次数；c1和c2称加速度系数，r1和r2为分布于[0,1]之间的随机数。粒子群算法收敛快，具有很强的通用性，但同时存在着容易早熟收敛、搜索精度较低、后期迭代效率不高等缺点，为了提高粒子群算法的性能，引入一种自适应变异操作，以求解决粒子群算法早熟收敛以及搜索能力随代数增加而逐渐下降的特点，其算法描述为：若则其中，v为重新初始化的速度，r3表示在[0，1]区间内均匀分布的随机数。若r3＞0.5，则k＝-1,若r3≤0.5，则k＝1。在不改变等式(1)和(2)的性质下，为了描述方便将其简化为：vk+1＝k0vk+c1r1(p1-xk)+c2r2(p2-xk)(5)xk+1＝xk+vk+1(6)选取采取如下的简化措施：那么方程(5)和(6)可以简化为：vk+1＝k0vk+k1(p-xk)(10)xk+1＝xk+vk+1(11)方程(10)和(11)可以写成yk+1＝Myk+Np形式其中自适应变异粒子群寻优过程中，将会收敛到如下式:yi＝[xivi]T(13)其中xi＝p,vi＝0。粒子的寻参时间取决于矩阵M的特征根λ1,λ2，矩阵M的特征方程如下：λ2-(k0-k1+1)λ+k0＝0(14)式(13)存在的充分必要条件是矩阵M的特征根λ1,λ2都小于1，则可以通过求解式(14)得到如下条件：k0＜1,k1＞0,2k0-k1+2＞0(15)由表示在[0，1]区间内均匀分布的随机数，可知本专利技术提出的自适应变异粒子群算法满足(15)的约束条件。进一步地，所述代价敏感支持向量机的训练模块对训练集样本进行处理；所述代价敏感支持向量机分类模块存贮代价敏感支持向量机对样本进行训练后得到的支持向量库；所述判别模块对代价敏感支持向量机的训练器性能进行评估，若达到合格的分类准确率，则输出到车轮状态输出模块。更进一步地，一种所述的参数优化的代价敏感支持向量机机车车轮状态检测系统的检测方法，包括以下步骤：第一步，将机车车轮状态分为安全区和故障区两种类型；第二步，选取数据源，对数据源进行特征提取，提取到的特征变量作为实时样本数据集，将实时样本数据集分为训练集和测试集两个子集；第三步，数据预处理模块对实时样本数据集预处理，并对训练集和测试集样本进行归一化处理，使其范围仅在0～1之间的数值，然后将归一化后的训练集作为代价敏感支持向量机训练模块的输入向量进行处理；第四步，训练模块对归一化后的训练集进行处理，经过代价敏感支持向量机的训练，将会得到一组支持向量，然后存入数据库中；第五步，参数寻优模块对代价敏感支持向量机的核参数和两个惩罚因子运用自适应变异粒子群算法进行全局寻优；得到最优代价敏感支持向量机；第六步，分类模块对测试集中的实时样本数据进行分类；并存贮代价敏感支持向量机对实时样本数据集进行训练后得到的支持向量库；第七步，数据准确率判别，将测试集内的特征变量输入至最优代价敏感支持向量机模型内进行测试，最优代价敏感支持向量机模型输出识别结果，识别结果为安全或故障状态；将输出的识别结果与机车实际车轮状态进行比较本文档来自技高网...

【技术保护点】
一种代价敏感支持向量机机车车轮状态检测系统，其特征在于：所述系统包括数据预处理模块、代价敏感支持向量机训练模块、参数寻优模块、最优代价敏感支持向量机分类模块、判别模块和车轮状态输出模块；所述数据预处理模块输出端与训练模块输入端连接；所述代价敏感支持向量机训练模块输出端与参数寻优模块输入端相连接，所述参数寻优模块输出端与最优代价敏感支持向量机分类模块输出端连接，所述最优代价敏感支持向量机分类模块输出端与判别模块输入端连接，所述判别模块输出端与参数寻优模块输入端和车轮状态输出模块输入端连接。

【技术特征摘要】
1.一种代价敏感支持向量机机车车轮状态检测系统，其特征在于：所述系统包括数据预处理模块、代价敏感支持向量机训练模块、参数寻优模块、最优代价敏感支持向量机分类模块、判别模块和车轮状态输出模块；所述数据预处理模块输出端与训练模块输入端连接；所述代价敏感支持向量机训练模块输出端与参数寻优模块输入端相连接，所述参数寻优模块输出端与最优代价敏感支持向量机分类模块输出端连接，所述最优代价敏感支持向量机分类模块输出端与判别模块输入端连接，所述判别模块输出端与参数寻优模块输入端和车轮状态输出模块输入端连接。2.根据权利要求1所述的代价敏感支持向量机机车车轮状态检测系统，其特征在于，所述预处理模块将机车车轮状态分为安全区和故障区两种类型；选取数据源，对数据源进行特征提取，提取到的特征变量作为样本数据集，样本数据集分为训练集和测试集，对训练集样本和测试集样本进行归一化处理。3.根据权利要求1所述的代价敏感支持向量机机车车轮状态检测系统，其特征在于：所述参数寻优模块采用自适应变异粒子群算法，寻找代价敏感支持向量的两个惩罚因子和核函数。4.根据权利要求1所述的代价敏感支持向量机机车车轮状态检测系统，其特征在于：所述代价敏感支持向量机的训练模块对训练集样本进行处理；所述代价敏感支持向量机分类模块存贮代价敏感支持向量机对样本进行训练后得到的支持向量库；所述判别模块对代价敏感支持向量机的训练器性能进行评估，若达到合格的分类准确率，则输出到车轮状态输出模块。5.一种权利要求1～4任意一条所述的代价敏感支持向量机机车车轮状态检测系统的检测方法，其特征在于，包括以下步骤：S1.将机车车轮状态分为安全区和故障区两种类型；S2.选取数据源，对数据源进行特征提取，提取到的特征变量作为实时样本数据集，将实时样本数据集分为训练集和测试集两个子集；S3.所述数据预处理模块对实时样本数据集预处理，并对训练集和测试集样本进行归一化处理，使其范围仅在0～1之间的数值，然后将归一化后的训练集作为代价敏感支持向量机训练模块的输入向量进行处理；S4.所述...

【专利技术属性】
技术研发人员：何静，刘林凡，张昌凡，谭海湖，赵凯辉，孙健，豆兵兵，刘光伟，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：湖南;43