【技术实现步骤摘要】
基于支持向量数据描述集成学习的齿轮故障识别方法
本专利技术属于故障识别领域,具体地说,是一种基于支持向量数据描述集成学习的齿轮故障识别方法。
技术介绍
支持向量数据描述是一种在支持向量机基础上发展起来的一种单分类方法。其基本思想是把要描述的个体作为一个整体,建立一个封闭空间,将描述的个体尽可能多的包含在封闭空间内部,而不在描述个体范围的非目标个体则不能被包含在封闭空间内部。目前常用的故障识别方法如支持向量机和神经网络,均是建立在大量训练样本的映射分布的基础上,因此分类结果具有一定的随机性。
技术实现思路
本专利技术公开了一种基于支持向量数据描述集成学习的齿轮故障多分类识别方法。本专利技术利用支持向量数据描述方法的单分类特性,通过数据训练的方式可训练出对应的齿轮故障单分类器,并以超球体分类半径作为描述齿轮故障类别的指标;再运用集成学习的方法,以加权平均求和为集成规则,将一定数量的支持向量数据描述齿轮故障分类器集成为齿轮故障多分类学习器,从而实现齿轮故障类别的辨识。实现本专利技术目的的技术方案如下:一种基于支持向量数据描述集成学习的齿轮故障识别方法,包括以下步骤:步骤一, ...
【技术保护点】
1.一种基于支持向量数据描述集成学习的齿轮故障识别方法,其特征在于,包括以下步骤:步骤一,构建支持向量数据描述齿轮故障分类器;步骤二,采用自助采样法构建T个特征训练集,每个特征训练集含m个齿轮故障特征训练样本,分别训练出T个支持向量数据描述齿轮故障分类器;步骤三,通过加权求和的规则将T个支持向量数据描述齿轮故障分类器集成在一起,即可实现齿轮故障类别辨识的目标。
【技术特征摘要】
1.一种基于支持向量数据描述集成学习的齿轮故障识别方法,其特征在于,包括以下步骤:步骤一,构建支持向量数据描述齿轮故障分类器;步骤二,采用自助采样法构建T个特征训练集,每个特征训练集含m个齿轮故障特征训练样本,分别训练出T个支持向量数据描述齿轮故障分类器;步骤三,通过加权求和的规则将T个支持向量数据描述齿轮故障分类器集成在一起,即可实现齿轮故障类别辨识的目标。2.根据权利要求1所述的基于支持向量数据描述集成学习的齿轮故障识别方法,其特征在于:步骤一构建的支持向量数据描述齿轮故障分类器引入核函数;通过超球体将测试样本划分为两类,在齿轮故障特征空间中找出一个能够包围目标特征样本点的最小超球体,并且让目标特征样本点尽可能多的包围在超球体内,而非目标特征样本点则尽可能少或不被包含在超球体内;假定有n个齿轮故障特征样本点xi,i=1,2,….,n,存在一个超球体将所有的样本点包含在超球体内部,其中心为o半径为R,则超球体内的所有特征样本点距离球体中心o的距离满足L(xi,o)=||xi-o||2≤R2(1)R为保证超球体内部全部为目标特征样本点的最大半径;以上条件为标准超球体条件下的距离约束规则,对每一个目标点添加一个冗余度εi,即上述约束条件变更为L(xi,o)=||xi-o||2≤R2+εi(2)使每一个点到超球体中心的距离满足如下条件:使得超球体最小;对于一个齿轮故障特征样本群,其特征个体数n确定不变,则上述约束规则更变为:minL(X,o)=R2+C∑εi(4)C为常数,其约束条件为(2)式,根据拉格朗日乘子算法,得到上式问题的拉格朗日函数:L(xi,o,εi,R,α,β)=R2+C∑εi-∑εi(R2+εi-||xi-o||2)-∑βiεi(5)根据其对各变量的偏导数为零,可知:同时将(6)式代入(5)式可得:L(xi,o,εi,R,α,β)=∑αi||xi-o||2即L(xi,o,εi,R,α,β)=∑αi(xi·xi)-∑αiαj(xi·xj)要确保(4)式取最小值,则(5)式中αi(R2+εi-||xi-o||2)≥0且越大越好;因此有||xi-o||2≥R2时,总有αi=0;||xi-o...
【专利技术属性】
技术研发人员:曹亮,王景霖,沈勇,单添敏,林泽力,顾浩天,
申请(专利权)人:中国航空工业集团公司上海航空测控技术研究所,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。