[发明专利]基于ELM算法的水下航行器电路故障诊断方法

权利要求书

1.一种基于ELM算法的水下航行器电路故障诊断方法，其特征在于，包括以下步骤：

搜集水下航行器电路的故障现象和故障原因，建立样本数据集；

根据样本数据集，采用极限学习机ELM算法对学习网络进行训练，得到学习模型；

给学习模型输入新的数据；

利用最近相邻匹配算法，将学习模型的输出结果与已知故障类型进行匹配；

根据匹配结果诊断水下航行器电路；

所述采用ELM算法对学习网络进行训练，之后还包括，

利用最近相邻匹配算法，将训练中学习网络的输出结果与已知故障类型进行匹配，得到学习模型的误差值；

判断学习模型的误差值是否在允许范围内：

若学习模型的误差值在允许范围内，则进入给学习模型输入新的数据；

若学习模型的误差值不在允许范围内，则返回采用ELM算法对学习网络进行训练；

所述搜集水下航行器电路的故障现象和故障原因，建立样本数据集，具体包括：

搜集水下航行器电路的故障现象和故障原因；

将所述故障现象和故障原因分别等效为现象样本数据和原因样本数据；

对所述现象样本数据和圆心样本数据进行标准归一化处理，分别得到故障现象数据集和故障原因数据集；

将故障现象数据集和故障原因数据集构成样本数据集。

2.根据权利要求1所述的基于ELM算法的水下航行器电路故障诊断方法，其特征在于，所述根据样本数据集，采用ELM算法对学习网络进行训练，得到学习模型，包括：

设样本数据集为（X，J），所述X代表故障现象数据集，J代表故障原因数据集；

根据样本数据集为（X，J），计算学习网络的输出值；

构建所述学习网络的输出方程，所述输出方程为学习模型。

3. 根据权利要求2所述的基于ELM算法的水下航行器电路故障诊断方法，其特征在于，对所述现象样本数据和圆心样本数据进行标准归一化处理的公式为：

（1）

公式（1）中，为样本数据的均值，为样本数据的标准差；即：

（2）

（3）。

4.根据权利要求3所述的基于ELM算法的水下航行器电路故障诊断方法，其特征在于，所述计算学习网络的输出值，公式为：

（4）

公式（4）中，为输出值的权重；表示第i个隐层节点的输出；此处的为第i个径向基函数节点的中心和影响因子。

5.根据权利要求4所述的基于ELM算法的水下航行器电路故障诊断方法，其特征在于，所述通过下列公式求得：

（5）。

6.根据权利要求5所述的基于ELM算法的水下航行器电路故障诊断方法，其特征在于，所述学习网络的输出方程为：

（6）

公式（6）中，

（7）

（8）

（9）

（10）

其中，的值在[-1,1] 区间内随机给定，β是在随机给定的基础上的最优输出权重。

7.根据权利要求6所述的基于ELM算法的水下航行器电路故障诊断方法，其特征在于，

所述最近相邻匹配算法的公式为：

（11）

表示当前学习网络输出的第k个指标与已知故障类型的第k个指标的不相似度，即匹配结果；表示当前指标在评价故障类型时所占的比重。

8.根据权利要求7所述的基于ELM算法的水下航行器电路故障诊断方法，其特征在于，所述根据匹配结果诊断水下航行器电路，具体包括：

若，就判定当前故障类型为当前匹配的已知故障类型。