基于小波包分析和相关向量机的电气系统故障诊断方法技术方案

本发明专利技术公开了一种基于小波包分析和相关向量机的电气系统故障诊断方法，包括如下步骤：S1：故障模拟与数据采集分析；S2：数据融合、特征提取；S3：多核相关向量机模型构建与训练以及故障识别与诊断；建筑电气系统实验平台MA2067用于电气系统故障数据模拟，通过内置故障开关的通断改变测试回路内被测对象的组成，模拟建筑电气系统的常见设备故障；多核相关向量机用于训练特征参数，识别系统故障与输出故障概率信息。本发明专利技术实现了子系统繁多的电气系统的故障诊断与概率输出，适用于由不同子系统构成的电气系统，对减少由于电气系统故障而造成的经济损失和人员伤亡具有相对重要的意义。成的经济损失和人员伤亡具有相对重要的意义。成的经济损失和人员伤亡具有相对重要的意义。

【技术实现步骤摘要】
基于小波包分析和相关向量机的电气系统故障诊断方法


[0001]本专利技术属于模拟电路故障诊断
，具体涉及一种基于小波包分析和相关向量机的电气系统故障诊断方法。

技术介绍

[0002]随着智慧城市建设的快速发展，人们对“智能、绿色、安全”的智慧建筑需求愈发迫切。建筑电气系统作为智慧建筑中的重要组成部分，其安全稳定运行具有重要意义。建筑电气系统主要包括安全控制系统、闭路监控系统、消防警报系统、电气照明系统以及建筑电力系统等。可见，建筑电气系统具有子系统数量多、规模大等特点。智慧建筑的智能化进程的推进，意味着系统复杂性和大规模性更加显著，特别是针对大型建筑而言，其系统发生故障的概率更大，且故障类别也更加丰富。因此，本专利技术提出一种基于小波包分析和相关向量机的电气系统故障诊断方法，实现对复杂电气系统故障的实时诊断、分类，进一步提高智慧建筑系统的可靠性和稳定性。

技术实现思路

[0003]本专利技术的目的在于提供一种基于小波包分析和相关向量机的电气系统故障诊断方法，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于小波包分析和相关向量机的电气系统故障诊断方法，包括如下步骤：
[0005]S1：故障模拟与数据采集分析：通过建筑电气实验平台MA2067内置故障模拟器模拟不同子系统故障，故障模拟器由22个开关和53个电阻和电容器组成，开关回路均与实验平台的强电部分相连，选用电气综合测试仪Eurotest61557采集模拟的故障数据；
[0006]S2：数据融合、特征提取：采用小波包分析对输出信号进行分解与重构，通过重构系数求取各频带的能量作为故障特征值，再利用独立成分分析算法对故障特征值进行优化，以此构造反映电路故障的特征向量，所构造特征向量能够表征电路故障的特征参数；
[0007]小波包分析是小波分析的改进，小波包分析不仅对信号按高频、低频部分进行分析，还对信号的频带进行了划分，提供了基于时频信号的分辨率；独立成分分析是基于统计学理论，将混合信号进行盲源分离，挖掘混合信号中隐含的独立源信息，达到盲源分离的最终效果；
[0008]S3：多核相关向量机模型构建与训练以及故障识别与诊断：采用小波包分解对建筑电气系统的故障信息进行提取，对非线性、非平稳性电路分析，分解得到反映电路故障信息的特征，为了使得故障特征更加明显，采用独立成分分析优化特征信号中具有表征作用的部分，提高多核相关向量机对特征的训练能力和测试能力。
[0009]经过小波包分解和独立成分分析的数据融合方法所提取的特征向量，能够表征电路故障的特征参数，提高模型对特征的识别。
[0010]基于小波包分析的特征提取将原始故障电阻数据进行三层小波包分解，将经过一
层小波包分解得到的低频、高频部分信号再作两次小波包分解，得到第三层小波包分解的低频、高频信号，再通过独立成分分析，构建具有高分辨率的时频局部特性。
[0011]通过数据融合方法提取故障特征，选取db3小波函数对样本进行3层小波包分解，得到8个故障特征值组成的特征向量，在保证故障诊断准确率的同时减少相关向量机的故障诊断时间。
[0012]相关向量机模型为多核相关向量机模型，多核相关向量机模型选择齐次多核方式构造，核函数选取高斯核函数，核函数参数根据特征值所包含的特征量选择。
[0013]与现有技术相比，本专利技术的有益效果是：本专利技术提供的一种基于小波包分析和相关向量机的电气系统故障诊断方法，本专利技术有效解决了在过去的几十年内，依靠人工筛查、检测建筑电气系统故障的主要方式存在的时效性差，准确率也不高的问题。本专利技术在保障电气系统平稳运行的同时，进一步提高了用户对电气系统的使用安全。本专利技术的特征提取的方法，具有很好的时域局部特性、分辨率高和很强的抗干扰能力以及对故障信号和噪声信号组合的混合信号有着很好的分离效果。本专利技术的多核相关向量机，不仅具有概率输出，同时其多核模型诊断精度更高。
[0014]本专利技术针对建筑电气系统故障数据存在信号混合的问题，首次提出基于小波包分析和相关向量机的电气系统故障诊断方法，该方法通过建筑电气实验平台模拟得到电气系统故障数据进行验证，证明了改方法在特征提取与识别上具有可行性。本专利技术首次提出通过小波包分解提高信号的时频分辨率，通过独立成分分析分离故障数据中的独立源信号，与其他方法相比，进一步提高了故障特征的有效特性，提高了多核相关向量机的故障识别能力。本专利技术首次提出构造八核相关向量机模型，该模型有针对性地分析含有不同特征量的故障数据，具有较高的诊断效率和精度。本专利技术适用于子系统繁多且复杂的电气系统故障诊断领域，与传统基于专家知识的电气系统故障诊断方法相比，更加准确有效。
附图说明
[0015]图1为本专利技术基于小波包分析和相关向量机的电气系统故障诊断方法的故障诊断框架图；
[0016]图2为本专利技术基于小波包分析和相关向量机的电气系统故障诊断方法的小波包分解流程图；
[0017]图3为本专利技术基于小波包分析和相关向量机的电气系统故障诊断方法的独立成分分析算法流程图。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]本专利技术提供了如图1
‑
3的一种基于小波包分析和相关向量机的电气系统故障诊断方法，包括如下步骤：
[0020]S1：故障模拟与数据采集分析：通过建筑电气实验平台MA2067内置故障模拟器模
拟不同子系统故障，故障模拟器由22个开关和53个电阻和电容器组成，开关回路均与实验平台的强电部分相连，选用电气综合测试仪Eurotest61557采集模拟的故障数据；
[0021]S2：数据融合、特征提取：采用小波包分析对输出信号进行分解与重构，通过重构系数求取各频带的能量作为故障特征值，再利用独立成分分析算法对故障特征值进行优化，以此构造反映电路故障的特征向量，所构造特征向量能够表征电路故障的特征参数；
[0022]小波包分析是小波分析的改进，小波包分析不仅对信号按高频、低频部分进行分析，还对信号的频带进行了划分，提供了基于时频信号的分辨率；独立成分分析是基于统计学理论，将混合信号进行盲源分离，挖掘混合信号中隐含的独立源信息，达到盲源分离的最终效果；
[0023]S3：多核相关向量机模型构建与训练以及故障识别与诊断：采用小波包分解对建筑电气系统的故障信息进行提取，对非线性、非平稳性电路分析，分解得到反映电路故障信息的特征，为了使得故障特征更加明显，采用独立成分分析优化特征信号中具有表征作用的部分，提高多核相关向量机对特征的训练能力和测试能力。
[0024]经过小波包分解和独立成分分析的数据融合方法所提取的特征向量，能够表征电路故障的特征参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波包分析和相关向量机的电气系统故障诊断方法，其特征在于：包括如下步骤：S1：故障模拟与数据采集分析：通过建筑电气实验平台MA2067内置故障模拟器模拟不同子系统故障，故障模拟器由22个开关和53个电阻和电容器组成，开关回路均与实验平台的强电部分相连，选用电气综合测试仪Eurotest61557采集模拟的故障数据；S2：数据融合、特征提取：采用小波包分析对输出信号进行分解与重构，通过重构系数求取各频带的能量作为故障特征值，再利用独立成分分析算法对故障特征值进行优化，以此构造反映电路故障的特征向量，所构造特征向量能够表征电路故障的特征参数；小波包分析是小波分析的改进，小波包分析不仅对信号按高频、低频部分进行分析，还对信号的频带进行了划分，提供了基于时频信号的分辨率；S3：多核相关向量机模型构建与训练以及故障识别与诊断：采用小波包分解对建筑电气系统的故障信息进行提取，对非线性、非平稳性电路分析，分解得到反映电路故障信息的特征，为了使得故障特征更加明显，采用独立成分分析优化特征信号中具有表征作用的部分，提高多核相关向量机对特征的训练能力和测试能力...

【专利技术属性】
技术研发人员：熊建斌，陈康，梁琼，余得正，聂锦机，唐廖浩，吴秀翔，叶宝玉，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：