[发明专利]金属结构损伤剩余寿命的第二代小波支持向量机评估方法

权利要求书

1.一种金属结构损伤剩余寿命的第二代小波支持向量机评估方法，其特征在于：包括以下步骤：

1）采用经验模式分解对振动信号进行分解得本征模式分量，提取本征模式分量的时频域统计特征构成全体特征集；采用特征距离评估方法从全体特征集中选取最敏感特征得最优特征集；利用自组织神经网络特征融合方法由最优特征集训练出具有明显性能退化趋势的最小量化误差指标；

2）通过构造基于第二代小波变换的双正交小波支持向量机核函数得第二代小波支持向量机的寿命预测模型；

3）经过步骤2）后，将最小量化误差指标作为模型输入，通过模型输出实现小子样下机械装备金属结构部件损伤剩余寿命定量评估。

2.根据权利要求1所述一种金属结构损伤剩余寿命的第二代小波支持向量机评估方法，其特征在于：所述步骤1）的具体方法如下：

首先，对于一个原始振动信号X(t)，采用经验模式分解将X(t)分解得到前m个本征模式分量，m取值为2、3或4，对每个本征模式分量分别计算时域统计特征和频域统计特征，得到全体特征集，从全体特征集中选择大于给定阈值的特征评估指标所对应的特征，从而构成最优特征集；

然后，将最优特征集输入到自组织特征映射神经网络中进行训练，构建最小量化误差指标。

3.根据权利要求2所述一种金属结构损伤剩余寿命的第二代小波支持向量机评估方法，其特征在于：所述构建最小量化误差指标的具体方法为：

首先用正常状态的数据训练自组织特征映射神经网络，得到正常状态的神经元权值向量，然后将最优特征集作为输入向量和所有正常状态的神经元权值向量作比较，计算其欧氏距离，定义与输入向量距离最小的神经元为最佳匹配

单元，最佳匹配单元和输入向量之间的距离本质是输入向量偏离正常状态的距离，将其定义为最小量化误差指标：

MQE＝||D-m_BMU||

式中：MQE表示最小量化误差；D表示输入向量；m_BMU表示最佳匹配单元的权值向量。

4.根据权利要求1所述一种金属结构损伤剩余寿命的第二代小波支持向量机评估方法，其特征在于：所述步骤2）的具体方法如下：

首先，利用基于支持向量机核函数条件和提升框架的第二代小波变换理论构造基于冲击故障信号特征的第二代小波核函数，定义如下：

K(x,x′)=K(x-x′)=Πi=1d2Σm(-1)g~-m+1φ~(2-j(xi-xi′))]]>

式中：K表示核函数；d表示维数；m=1,…，N，N为数据长度；表示低通滤波器；表示尺度函数；j表示尺度；

将所述第二代小波核函数代入到对偶优化问题：

maxL(α,α*)=-ϵΣi=1n(αi*+αi)+Σi=1nyi(αi*-αi)-12Σi,l=1n(αi*-αi)(αl*-αl)(xi·xl)]]>

=-ϵΣi=1n(αi*+αi)+Σi=1nyi(αi*-αi)-12Σi,l=1n(αi*-αi)(αl*-αl)Πi=1d2Σm(-1)g~-m+1φ~(2-j(xi-xi′))]]>

s.t.Σi=1n(αi*-αi)=00≤αi*≤C,0≤αi≤C;i=1,2,···,n]]>

式中：C为惩罚因子；

求解出上述各系数α_i、就得到如下对未来样本x_f的第二代小波支持向量机预测决策函数：

f(xf,αi,αi*)=Σi=1n(αi*+αi)Πi=1d2Σm(-1)g~-m+1φ~(2-j(xi-xi′))+b]]>

式中：b为偏置。