【技术实现步骤摘要】
一种适用于AT产品的基于RVM的故障诊断方法
本专利技术为一种适用于AT产品的基于RVM的故障诊断方法，属于车辆的AT变速箱故障诊断领域。
技术介绍
自动变速箱作为车辆动力系统的核心部分，它的可靠性对于车辆的性能和安全至关重要。由于变速箱长期连续工作在高载荷、高转速的条件下，所以极易出现故障，并且故障的发生机理复杂，故障征兆的分析十分困难，所以研究合适的故障诊断算法实现诊断，提高系统的诊断能力和后勤保障能力，具有重要的意义。近年来，智能算法被广泛应用于设备的故障诊断领域。而机器学习是促进智能化诊断发展的主要途径。支持向量机(SVM)是一类非线性的机器学习分类算法，通过选取合适的内积核函数，在由输入空间转化而来的高维空间中选取分类超平面实现分类。SVM可以良好地处理小样本问题，在智能故障诊断领域具有广泛的应用。RVM与SVM在函数形式上相似，但在参数设置、核函数选择以及输出形式等方面更具优势。对于RVM算法来说，核函数的选择对其分类性能具有决定性的影响，从实际应用来说，尽管使用单一核函数构造的相关向量机在众多的...
【技术保护点】
1.一种适用于AT产品的基于RVM的故障诊断方法，其特征在于，该方法包括如下步骤：/n一、设数据样本集合为(x
【技术特征摘要】
1.一种适用于AT产品的基于RVM的故障诊断方法，其特征在于，该方法包括如下步骤：
一、设数据样本集合为(xn,tn)(n＝1,2,…N)，其中xn∈Rd，d为监测点数据的维数，t∈{0,1}是分类标签，“0”表示AT产品的正常状态，“1”表示AT产品的故障状态，对AT产品数据进行处理；
二、建立蚁群系统，令初始循环次数NC＝1,设定蚁群算法的最大迭代次数NCmax＝200，运行蚁群系统，利用蚁群算法优化选择RVM混合核函数权值，构造与混合核函数相对应的RVM分类器，将每组混合核函数的权值带入RVM分类器中进行分类训练；
三、利用验证数据对训练好的RVM分类器分别进行验证，得到每个RVM分类器的适应度函数Fitness，选取其中适应度函数最小的RVM分类器，记录该RVM分类器对应蚂蚁的行走路径，即为此次迭代的最短路径；
四、根据最短路径信息更新路径上的信息素，重复步骤二至步骤三，直至到达最大迭代次数停止，将最终适应度函数值最小的RVM混分类器用于AT的故障诊断。
2.如权利要求1所述的一种适用于AT产品的基于RVM的故障诊断方法，其特征在于，所述步骤二中，RVM混合核函数的形式如下：
其中，K1(x,xi)为高斯核函数，K2(x,xi)为多项式核函数，这里c1,c2分别为核函数的权值，c1+c2＝1。
3.如权利要求2所述的一种适用于AT产品的基于RVM的故障诊断方法，其特征在于，所述步骤2中，构建蚁群系统的方法如下：
蚁群系统共设计5层城市，第一层为起始城市，权值的小数点后的十分位、百分位、千分位和万分位分别用接下来的四层城市从左到右依次代表；第一层城市没有子城市，其余的四层城市均包括10个城市，并且用数字0到9从上到下依次代表这10个城市；该蚁群系统规定蚂蚁只能从左向右依次移动，而且每只蚂蚁不能在同一层的城市之间移动。
4.如权利要求3所述的一种适用于AT产品的基于RVM的故障诊断方法，其特征在于，所述步骤2中，利用蚁群算法优化选择RVM混合核函数权值过程如下：
1)初始化蚁群优化算法参数：令初始循环次数NC＝1,设置初始信息素t0、信息素蒸发系数ρ以及信息素重要程度β、城市i和j之间的初始信息素
2)每只蚂蚁进行路径的寻优选择；
3)利用信息素的局部更新公式(5)、信息素的全局更新公式(6)对对步骤2)中获得的蚂蚁路径上的信息素进行更新，得到最小的适应度函数值，即最小Fitness值；
信息素的局部更新公式如下：
式中：k表示蚂蚁当前城市所在的层数，ρ为信息蒸发系数，是(0...
【专利技术属性】
技术研发人员：王佳婧，冯光军，衣超，王叶，徐飞，李翠芬，韩宇石，李志伟，刘振杰，盖江涛，吕庆军，李慎龙，
申请(专利权)人：中国北方车辆研究所，
类型：发明
国别省市：北京;11
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。