基于故障類型分類能力評(píng)價(jià)矩陣的多分類器融合故障診斷方法
【專利摘要】本發(fā)明公開(kāi)了基于故障類型分類能力評(píng)價(jià)矩陣的多分類器融合故障診斷方法。本發(fā)明基于分類器度量級(jí)輸出形式，提出了以分類器輸出結(jié)果熵值評(píng)價(jià)分類器多故障類型分類能力的方法，計(jì)算得到評(píng)價(jià)矩陣，并構(gòu)建了基于模糊綜合評(píng)判方式的多分類器融合基本模型，進(jìn)行決策級(jí)融合，得出最終的診斷結(jié)論。
【專利說(shuō)明】基于故障類型分類能力評(píng)價(jià)矩陣的多分類器融合故障診斷 方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于故障類型分類能力評(píng)價(jià)矩陣的多分類器融合故障診斷方法。

【背景技術(shù)】
[0002] 投票法是目前多分類器融合中最為簡(jiǎn)便且常用的方法。這種方法認(rèn)為每個(gè)分類器 的分類能力是一致的，并未考慮各個(gè)分類器的分類能力的差異性。但由于各個(gè)分類器自身 算法不同，因此分類能力也不同，尤其是在多故障類型診斷的時(shí)候，差異性也就越明顯，即 整體性能優(yōu)良的分類器也會(huì)出現(xiàn)對(duì)某種故障類型診斷能力較弱的情況，而整體性能較差的 分類器在某一類型故障時(shí)，也可以表現(xiàn)出來(lái)獨(dú)特的優(yōu)勢(shì)。因此如何將多分類器的結(jié)果形成 有效地互補(bǔ)，充分利用每個(gè)分類器的優(yōu)勢(shì)，成為研宄的主要問(wèn)題。問(wèn)題的核心在于如何對(duì)各 個(gè)分類器對(duì)不同故障類型的分類能力進(jìn)行量化以及融合的法則。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于故障類型分類能力評(píng)價(jià)矩陣的多分類 器融合故障診斷方法。
[0004] 為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案是：基于故障類型分類能力評(píng)價(jià) 矩陣的多分類器融合故障診斷方法，包括以下步驟：
[0005] 設(shè)故障類型有m種，則組成模式空間D可以記為
[0006] D=C1UC2U-UCni
[0007]其中Ci,WeA=jl,2,·_·，/"丨成為一個(gè)類，且要求C1HC2rv··nCni=Φ;
[0008] 若用J個(gè)分類器e」(j= 1，2，"％J)對(duì)來(lái)自模式空間D的樣本χ進(jìn)行分類，分類器 ej的輸出可以記為
[0009] Yj= e j(x)
[0010] 分類器ej的輸出形式為A= < ),該向量給每一個(gè)類別標(biāo)簽分配 了一個(gè)數(shù)值，用來(lái)度量樣本X屬于該類的程度，即該種故障類型的發(fā)生概率；這里要求 m 且 §夂=1;
[0011] 融合步驟：
[0012] (1)為了衡量分類器分類能力，需要一定數(shù)目N樣本進(jìn)行測(cè)試；在測(cè)試數(shù)據(jù)中隨機(jī) 抽取N個(gè)樣本，要求m種故障類型的樣本數(shù)目比為1:1:…：1 ;
[0013] (2)對(duì)于故障類型Ci,V/eΛ = ;1,2,…，叫，按照下式分別計(jì)算J個(gè)分類器輸出的熵 〃?，求其均值作為第j分類器故障類型Ci輸出的熵值；
[0014]

【權(quán)利要求】
1.基于故障類型分類能力評(píng)價(jià)矩陣的多分類器融合故障診斷方法，包括以下步驟： 設(shè)故障類型有m種，則組成模式空間D可以記為
其中Q，WeA=【1二…，m)成為一個(gè)類，且要求(^門c2n. . ?nCm= 〇 ; 若用J個(gè)分類器6」(」=1，2，...，J)對(duì)來(lái)自模式空間D的樣本x進(jìn)行分類，分類器4 的輸出可以記為
分類器e」的輸出形式為7/= ( 乂,為,--?,<"),該向量給每一個(gè)類別標(biāo)簽分配了一個(gè) 數(shù)值，用來(lái)度量樣本x屬于該類的程度，即該種故障類型的發(fā)生概率；這里要求〇 I,
融合步驟： (1) 為了衡量分類器分類能力，需要一定數(shù)目N樣本進(jìn)行測(cè)試；在測(cè)試數(shù)據(jù)中隨機(jī)抽取 N個(gè)樣本，要求m種故障類型的樣本數(shù)目比為1:1:: 1 ; (2) 對(duì)于故障類型V/eA=丨1工…，叫，按照下式分別計(jì)算J個(gè)分類器輸出的熵 〃丨.，求其均值If作為第j分類器故障類型q輸出的熵值；
上式中常數(shù)K的取值與故障類型的數(shù)目m有關(guān)； 因?yàn)楦鶕?jù)信息熵的定義，若分類器輸ti
,該輸出認(rèn)為樣本m種故 障的概率相同，也就是說(shuō)該判斷無(wú)效，此時(shí)熵具有最大值；為了分析方便，使熵值在[0, 1] 范圍內(nèi)，因此取
如果分類器對(duì)某樣本的判斷類型與期望類型不同時(shí)，意味著診斷錯(cuò)誤，也可以理解為 該判斷無(wú)效，因此這種情況下，直接令熵值為最大值1 ; (3) 偏差度
對(duì)于故障類型Q，第J個(gè)分類器的權(quán)重為
(4) 得到權(quán)重矩陣A為
矩陣A中的元素< (i=l,2,…，m;j=l,2，…，J)代表分類器7」對(duì)故障類 型Q，WeA= {1,2,…，m】的權(quán)重； (4) 對(duì)于某一樣本X，J個(gè)分類器的輸出組成待評(píng)判矩陣R
(5) 因此多分類器融合的結(jié)果為
取該矩陣的對(duì)角線元素組成向量Bwt，根據(jù)最大隸屬原則，確定故障類別。
【文檔編號(hào)】G06K9/62GK104484678SQ201510007001
【公開(kāi)日】2015年4月1日 申請(qǐng)日期:2015年1月7日 優(yōu)先權(quán)日:2015年1月7日
【發(fā)明者】文妍, 譚繼文, 戰(zhàn)衛(wèi)俠, 戰(zhàn)紅, 孫顯彬 申請(qǐng)人:青島理工大學(xué)