一种船舶电力系统故障识别方法技术方案

本发明专利技术提出了一种船舶电力系统故障识别方法，所述方法包括：构建包含船舶电力系统的故障信号的训练样本集；采用adaboost算法根据所述训练样本集进行迭代训练；基于每次迭代训练对所述训练样本集中数据的分类结果，按照预设的基于正确分类的第一分类规则更新对应数据的权重，或者按照预设的基于错误分类的第二分类规则更新对应数据的权重；响应于迭代训练对所述样本集的分类正确率大于预设阈值，结束迭代训练，并获得故障识别模型；根据获得的船舶系统的多种信号与所述故障识别模型识别船舶电力系统的故障。本发明专利技术通过在迭代训练强分类器的过程中，设置第一分类规则以及第二分类规则来更新对应数据的权重，使得本发明专利技术方法的分类结果更加准确。

【技术实现步骤摘要】
一种船舶电力系统故障识别方法
本专利技术涉及信号处理技术特征，尤其涉及一种船舶电力系统故障识别方法，用于对船舶电力系统故障的准确识别。
技术介绍
船舶电力系统的故障识别是预测船舶电力系统健康状态的基础，它时刻影响着军用船舶的作战效率和维修保障效率，因此其在整个部队中的作用极为重要，所以，在大力发展船舶装备的同时，如何为船舶电力系统提供准确的故障识别也是地面保障领域中亟待解决的技术问题。
技术实现思路
为解决上述技术问题，本专利技术提出了一种船舶电力系统故障识别方法，所述方法包括：构建包含船舶电力系统的故障信号的训练样本集；采用adaboost算法根据所述训练样本集进行迭代训练；基于每次迭代训练对所述训练样本集中数据的分类结果，按照预设的基于正确分类的第一分类规则更新对应数据的权重，或者按照预设的基于错误分类的第二分类规则更新对应数据的权重；响应于迭代训练对所述样本集的分类正确率大于预设阈值，结束迭代训练，并获得故障识别模型；根据获得的船舶系统的多种信号与所述故障识别模型识别船舶电力系统的故障。在一个或多个实施例中，所本文档来自技高网...

【技术保护点】
1.一种船舶电力系统故障识别方法，其特征在于，所述方法包括：/n构建包含船舶电力系统的故障信号的训练样本集；/n采用adaboost算法根据所述训练样本集进行迭代训练；/n基于每次迭代训练对所述训练样本集中数据的分类结果，按照预设的基于正确分类的第一分类规则更新对应数据的权重，或者按照预设的基于错误分类的第二分类规则更新对应数据的权重；/n响应于迭代训练对所述样本集的分类正确率大于预设阈值，结束迭代训练，并获得故障识别模型；/n根据获得的船舶系统的多种信号与所述故障识别模型识别船舶电力系统的故障。/n

【技术特征摘要】
1.一种船舶电力系统故障识别方法，其特征在于，所述方法包括：
构建包含船舶电力系统的故障信号的训练样本集；
采用adaboost算法根据所述训练样本集进行迭代训练；
基于每次迭代训练对所述训练样本集中数据的分类结果，按照预设的基于正确分类的第一分类规则更新对应数据的权重，或者按照预设的基于错误分类的第二分类规则更新对应数据的权重；
响应于迭代训练对所述样本集的分类正确率大于预设阈值，结束迭代训练，并获得故障识别模型；
根据获得的船舶系统的多种信号与所述故障识别模型识别船舶电力系统的故障。


2.如权利要求1所述的船舶电力系统故障状态识别方法，其特征在于，所述第一分类规则包括：



所述第二分类规则包括：



其中，Dt表示第t轮迭代的权重向量，Dt+1表示第t+1轮迭代的权重向量，表示第j个弱分类器在第t轮迭代中的权重参数，具体表示为：



其中，为第j个弱分类器在第t轮迭代中的分类正确率。


3.如权利要求2所述的船舶电力系统故障状态识别方法，其特征在于，所述方法还包括：
在采用adaboost算法根据所述训练样本集进行迭代训练之前，对所述训练样本集中的数据进行特征提取，获得对应每个数据的多种特征；
采用神经网络算法根据每种特征训练对应的弱分类器，获得多个弱分类器。


4.如权利要求3所述的船舶电力系统故障状态识别方法，其特征在于，所述多种特征包括：一维时域特征、二维时域特征以及频域特征；
所述多种弱分类器包括：一维时域弱分类器、二维时域弱分类器以及频域分类器。


5.如权利要求3所述的船舶电力系统故障...

【专利技术属性】
技术研发人员：许政，陈乃阔，毕茂华，
申请(专利权)人：山东超越数控电子股份有限公司，
类型：发明
国别省市：山东;37