[发明专利]公共自行车故障诊断方法

权利要求书

1.公共自行车故障诊断方法，包括如下步骤：

步骤1.确定自行车变量及故障类型；

选取三类因素共15个属性变量作为自行车故障检测的实验数据，如表1所示；

表1 PBS(Public Bicycle System)单个服务点属性变量类型

PBS预测结果分为两类，分别为正常车和故障车，即故障类型C{C₁，C₂}；

步骤2.生成自行车属性集；

在步骤1确定的合理范围内，生成自行车属性变量观测值的集合，记为X＝{X₁,X₂,X₃,X₄,X₅,X₆,X₇,X₈,X₉,X₁₀,X₁₁,X₁₂,X₁₃,X₁₄,X₁₅}；每一个属性变量X_i有若干个值，x_i表示属性变量X_i对应的值；

步骤3.确定故障诊断方法；

对于一个数据样本，其对应的分类值c_t的概率表示为

求每个分类值后验概率时，属性值x₁,x₂,…x₁₅均不变，即分母保持不变；将其表示为常数，从而将式(1)简化成

根据各属性之间相互独立的特点，式(2)可以简化成

这样，只需要计算每一个分类值C_t下单个属性的条件概率P(x_i|C_t)即可；

式中：N为所有训练样本的频数和；为故障类型C_t对应样本频数；为故障类型C_t且属性变量X_i值为x_i的样本频数；

如果某些属性变量的数据缺失，这一类的条件概率就等于零,则整个类的后验概率就等于零；对公式(5)使用拉普拉斯平滑方法，在分子上加1，为了使概率和为1，在分母上加上M,则可得公式(6)；

将公式(4)和(6)带入公式(3)，可得如下:

利用式(7)进行计算，选取最大值对应的故障类型作为潜在的故障诊断的结果；

4.确定属性对类的贡献；

为了量化每个属性对分类的贡献，定义属性Q(X_i)为对类的贡献率C_t的贡献率，Q(X_i)表示在只考虑X_i在的情况下C₁和C₂后验概率差值的平方；

其中，x_j是属性X_i中的第j个具体值，0jt；根据概率可知0Q(X_i)1，Q(X_i)越大，X_i对分类的贡献越多；当Q(X_i)接近于0，表明属性X_i对分类贡献很少或者没有贡献，应该去除；

5.确定评价指标；

自行车故障判定问题常用的评价指标是精确率和召回率；对数据集的预测结果或者正确或者不正确，共有4种情况，混淆矩阵如表2所示；

表2 预测评价指标

(Table 2 Prediction and evaluation index)

召回率表示样本中的故障车有多少被预测正确了；有两种可能，一种是把原来的故障车预测成故障车TP，另一种就是把原来的故障车预测为正常车FN；

召回率为

自行车的故障检测需要很高的召回率，预测结果以召回率为标准。