[发明专利]一种基于汉明纠错码支持向量机的功率变换器故障分类方法

说明书

技术领域

本发明涉及一种基于汉明纠错码支持向量机的功率变换器故障分类方法，属于电力电子电路故障诊断领域。

背景技术

电力电子技术是21世纪应用最广泛的技术之一，随着电力电子技术在国民经济中的作用不断增强，电力电子技术的发展也非常迅速。功率变换器作为一种可以将某种电流转换为其他类型电流的电力电子设备，广泛应用在工业、军事和航空航天等领域，是电力系统中不可或缺的一部分，正确诊断出功率变换器产生的故障对提高电力系统的安全性和可靠性具有重要的意义。

功率变换器电路中含有功率开关器件，具有强非线性的特点，难以建立精确的数学模型，因此通过建模的方法来对功率变换器进行故障诊断具有一定的难度。目前，基于模式识别的方法不依赖对象的数学模型，对功率变换器进行故障诊断具有较大的优势，因而受到越来越多的关注和研究。支持向量机(supportvectormachine，SVM)是基于统计学习理论提出的一种机器学习方法，对小样本数据的模式识别具有出色的学习泛化能力，成为继各种神经网络之后的又一研究的重点，但支持向量机只能解决二分类问题，为了使用支持向量机方法对功率变换器中出现的多类故障进行分类，需要将多个支持向量机分类器进行组合，常用的多类支持向量机方法有一对一、一对多和有向无环图。考虑对功率变换器中存在的n种故障进行诊断分类，一对一方法需要支持向量机分类器的个数为n个，一对一支持向量机和有向无环图支持向量机需要的支持向量机分类器的个数为n(n+1)/1个。功率变换器一般工作在工况比较复杂的场合，由于噪声的干扰，每次采集的数据会存在着不同，使用支持向量机方法进行故障分类时有时会产生误判，而常用的多类分类支持向量机方法不具有检错和纠错的能力，并且当故障数目较大时，需要的子分类器数目很多，计算量大，不利于功率变换器的在线故障诊断。

本发明结合功率变换器强非线性、故障类别多的特点，采用基于汉明纠错码支持向量机的故障分类方法来对功率变换器进行故障诊断，无需建立功率变换器模型，使用尽可能少的子分类器个数，分类速度快；同时使用基于汉明码编码的纠错原理对输出的结果进行检错和纠错，避免了使用过少的子分类器数目带来模型泛化能力不强的缺点，提高对功率变换器进行故障分类的可靠性。

发明内容

本发明的目的在于提供一种基于汉明纠错码支持向量机的功率变换器故障分类方法，一方面解决传统多类分类支持向量机方法在子分类器出现分类错误时，不具有检错和纠错的能力，可能会出现误判的问题，另一方面使用尽可能少的子分类器数目解决功率变换器故障类别较多的问题，由于对输出结果进行了检错和纠错，同时避免了使用过少的子分类器数目带来模型泛化能力不强的缺点。

本发明为实现上述目的，采用如下技术方案：

本发明是一种基于汉明纠错码支持向量机的功率变换器故障分类方法，包括如下步骤：

1)分析功率变换器中常见的故障模式，并进行可测性分析，确定测试节点后，采集各种故障模式下的输出信号，经过特征提取和预处理后得到故障训练样本。

2)对于功率变换器中的n类故障分类问题，根据二进制编码原理，最少需要(符号表示向上取整)个子分类器，第i(i＝0，1，2，...，n-1)类故障对应故障标号为i，转化为二进制表达形式为C_i，则每个故障对应一个二进制的码字C_i，位数是k。

3)得到每个故障对应的码字C_i后，根据最简单的奇偶校验方法，在每个故障码字后增加一个奇偶检验位得到新的故障编码C_i’，位数为k+1；将加入了奇偶检验位的码字C_i’作为原始信息码，根据汉明码的编码规则对C_i’进行编码，需要r个检验位(r取满足公式2^r≥r+k+2的最小整数值)，得到每个故障对应的基于汉明码编码的故障编码C_i*，位数为k+r+1。

4)将故障样本分为两类：训练样本和测试样本。在训练阶段，根据得到的故障编码C_i*对每个子分类器SVM_i(i＝1，2，...，k+r+1)对应的故障类别进行划分，然后根据划分好的正类和负类训练样本对SVM_i进行训练，得到训练好的基于汉明纠错码的支持向量机分类器模型。