基于ADASYN算法和随机森林算法的故障诊断方法及系统技术方案

本发明专利技术提供基于ADASYN算法和随机森林算法的故障诊断方法，属于故障诊断技术领域。包括：采集智能家电内部电路的故障电流，并记录所述故障电流的故障类型；对所述故障电流进行多层小波包分解并计算出所述故障电流的归一化特征向量，将所述归一化特征向量与所述故障电流对应的所述故障类型记录至数据集；通过ADASYN算法对所述数据集进行预处理，得到预处理后的数据集；基于所述预处理后的数据集，通过随机森林算法构建随机森林故障诊断模型；根据所述预处理后的数据集以及所述随机森林故障诊断模型诊断出待诊断故障电流的故障类型。障诊断模型诊断出待诊断故障电流的故障类型。

【技术实现步骤摘要】
基于ADASYN算法和随机森林算法的故障诊断方法及系统


[0001]本专利技术涉及故障诊断
，具体涉及一种基于ADASYN算法和随机森林算法的故障诊断方法及系统。

技术介绍

[0002]随着科学技术与信息技术的不断发展，智能家电的使用占比显著提高。智能家电不同于传统家电，大部分智能家电内部结构复杂，涉及数字信号控制的内部电路发生故障时通过传统方法难以排查。
[0003]现有技术提出通过使用傅里叶分析法诊断电路故障，首先采用傅里叶变换将时域信息变换到频域中，然后进行频域故障特征抽选，实现故障诊断，但该方法仅适用于开路故障分析；现有技术中还提出了一种优选小波包和极端学习机相结合的电路故障诊断方法，使用极端学习机对故障进行分类识别，具有训练时间短的优点，但仍存在样本分布不平衡导致结果偏差的问题。

技术实现思路

[0004]有鉴于此，本专利技术提供一种基于ADASYN算法和随机森林算法的故障诊断方法及系统，通过ADASYN算法与随机森林算法相结合的诊断智能家电的内部电路故障，适用于通路、断路、短路三种状态下的电路故障分析，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ADASYN算法和随机森林算法的故障诊断方法，其特征在于，包括：步骤S1，采集智能家电内部电路的故障电流，并记录所述故障电流的故障类型；步骤S2，对所述故障电流进行多层小波包分解并计算出所述故障电流的归一化特征向量，将所述归一化特征向量与所述故障电流对应的所述故障类型记录至数据集；步骤S3，通过ADASYN算法对所述数据集进行预处理，得到预处理后的数据集；步骤S4，基于所述预处理后的数据集，通过随机森林算法构建随机森林故障诊断模型；步骤S5，根据所述预处理后的数据集以及所述随机森林故障诊断模型诊断出待诊断故障电流的故障类型。2.根据权利要求1所述的基于ADASYN算法和随机森林算法的故障诊断方法，其特征在于，所述步骤S1采集智能家电内部电路的故障电流，并记录所述故障电流的故障类型包括：步骤S11，利用PSCAD仿真软件建立所述智能家电内部电路的电路模型；步骤S12，设置所述故障类型并运行所述电路模型；步骤S13，采集所述电路模型在所述故障类型状态下的所述故障电流并记录。3.根据权利要求2所述的基于ADASYN算法和随机森林算法的故障诊断方法，其特征在于，所述步骤S2对所述故障电流进行多层小波包分解并计算出所述故障电流的归一化特征向量，将所述归一化特征向量与所述故障电流对应的所述故障类型记录至数据集包括：步骤21，构建不低于一层的小波包分解层，其中，小波包分解的各层递推式表示为：其中，是指位于第j小波包分解层中第n节点的小波包，j∈[1,J]，n∈[0,2
j
‑
1]，J为总层数，k为平移变量，k∈(
‑
∞,+∞)，t为时间变量，函数h(k
‑
2t)为低通滤波器输出值，函数g(k
‑
2t)为高通滤波器输出值；步骤22，利用所述小波包分解层对所述故障电流进行多层小波包分解，得到节点能量E
j,n
；其中，E
j,n
为第j小波包分解层中第n节点的节点能量，W
(j,n)
为所述第j小波包分解层中第n节点的节点信号，d
j,n
(p)为所述节点信号W
(j,n)
分解后对应的第p个系数，p∈[1,m]，m为所述第j小波包分解层中第n节点的频带长度；步骤23，根据所述节点能量E
j,n
建立层级能量特征向量E
j
：其中，E
j
为所述第j小波包分解层的层级能量特征向量；步骤24，根据所述层级能量特征向量E
j
，计算出所述归一化特征向量X：
步骤25，将所述归一化特征向量X与对应的所述故障类型记录至所述数据集。4.根据权利要求3所述的基于ADASYN算法和随机森林算法的故障诊断方法，其特征在于，所述步骤S3通过ADASYN算法对所述数据集进行预处理，得到预处理后的数据集包括：步骤S31，根据所述数据集计算出故障类型s需要生成的样本数量G
s
：G
s
＝(m
s
‑
max
‑
m
s
)
×
β其中，m
s
‑
max
为所述数据集中样本总数最多的故障类型s
‑
max所对应的样本数目，m
s
为所述数据集中所述故障类型m
s
‑
max
以外的故障类型s所对应的样本数目，s∈[1,S
‑
1]，S为所述数据集中所述故障类型的数目，β为样本因子，β∈[0,1]；步骤S32，随机选取一个属于所述故障类型s的第i样本，计算出所述第i样本的K个近邻样本中属于所述故障类型s
‑
max的样本数据占比r
i
：其中，
△
i为所述第i样本的K个近邻样本中属于所述故障类型s
‑
max的样本数量，i∈[1,m
s
]；步骤S33，标准化所述数据占比r
i
，得到标准化后的数据占比步骤S34，计算出所述故障类型s所需最终新增样本数新样本的数量g
s
，...

【专利技术属性】
技术研发人员：舒一飞，樊博，刘鹏，康洁滢，郭汶昇，马智强，
申请(专利权)人：国网宁夏电力有限公司营销服务中心国网宁夏电力有限公司计量中心，
类型：发明
国别省市：