[发明专利]一种基于改进优选小波包的故障诊断方法

权利要求书

1.一种基于改进优选小波包的故障诊断方法，其特征在于，包括如下步骤：

步骤1，利用电路仿真软件提取各故障模式下的电路响应信号；

步骤2，利用改进的基于能量熵的优选小波包方法挑选出提取故障特征的最佳小波基函数；

步骤3，利用选取出的最优小波基函数对原信号进行小波包变换，形成故障样本特征向量集；

步骤4，利用最小生成树求取所有故障特征向量集之间的拓扑链路结构；

步骤5，利用组间互连接距离求出最佳的决策树拓扑结构，然后按照拓扑树结构训练出决策树模型；

步骤6，利用故障样本向量集训练每一个节点对应的SVM分类器。

2.根据权利要求1所述的基于改进优选小波包的故障诊断方法，其特征在于，步骤2具体为：

在待选小波包基函数库中挑选一个给定的小波基函数对原始样本进行小波包变换，公式如下：

小波包系数递推公式如下：

小波包的重构公式如下：

其中，h(k)和g(k)分别为多尺度分析中低通滤波系数和高通滤波系数，表示小波包分解后节点(j,n)所对应的第k个系数，节点(j,n)表示第j层的第n个频带；

对采集到的模拟电路故障信号进行小波包分解，定义测试信号第j层第i个频段对应的能量为：

式中，N为第i个频带的长度，d_i,j(k)表示小波包分解后节点(j,i)所对应的第k个小波包系数；将各频带的能量值作为故障特征，对其进行归一化处理，得到归一化后的能量故障特征为：

式中，为小波包分解后第j层各频带总能量；

设经过小波包分解后共得到M个样本：

对于任一分量，计算其能量熵：

其中，ET_i为样本向量矩阵的第i列的列和，T_ki为矩阵k行i列的元素，代表第k个样本的第i个特征分量，W_i为第i个分量的熵，W_EE为平均能量熵，最终以W_EE最小值对应的小波基作为最优小波包基。

3.根据权利要求1所述的基于改进优选小波包的故障诊断方法，其特征在于，步骤5采用了组间连接距离代替原先的仅通过重心距离或者散度定义的类间距离，具体如下：

式中，m和n代表两个不同的故障类，a和b分别代表m和n类的样本总个数，x代表样本。