[发明专利]一种基于数据的容错控制方法及装置

权利要求书

1.一种基于数据的容错控制方法，其特征在于，所述方法包括：

步骤1，通过传感器实时采集样本数据；

步骤2，根据样本数据构建故障支持向量机分类器模型；

步骤3，提取样本数据的特征变量数据；

步骤4，通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数；

步骤5，将样本数据通过最优核函数的支持向量机分类器模型获得故障分类结果；

在步骤4中，所述通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数的方法包括以下步骤：根据公式求解归一均方误差，式中：为传感器数据；为类别号，，为特征变量，i=1，…，n，多项式的阶数为2，根据特征变量数据依次检验多项式核函数、径向基核函数、Sigmoid核函数、线性核函数，其中归一均方误差最小的即为最优核函数；

所述支持向量机分类器模型用于根据包含有噪声的样本数据和不包含有噪声的样本数据，分类多种故障。

2.根据权利要求1所述的一种基于数据的容错控制方法，其特征在于，在步骤1中，所述样本数据为传感器实时获取到的数据，所述传感器包括直线位移光栅传感器、接近开关、温度传感器、霍尔传感器、电流传感器、电压传感器、压力传感器、液位传感器和速度传感器，所述样本数据包括传感器编号、采集物理量和采集时间。

3.根据权利要求1所述的一种基于数据的容错控制方法，其特征在于，在步骤2中，所述根据样本数据构建故障支持向量机分类器模型的方法包括以下步骤，

步骤2.1，根据样本数据构建对数据样本集，i=1，…，n，为样本数据，，为数据量，为类别号，；

步骤2.2，根据数据样本集求解支持向量机模型的优化系数，根据公式求解优化系数，其中，常数控制着对错分样本惩罚的程度，是平衡因子，反映第一项与第二项之间的权衡默认为0.01，是样本的权系数向量，取值为-1~1之间；为大于0的松弛变量，反映了实际指示值类别号与支持向量机输出之间的距离，取值范围为0到1，i=1，…，n；

步骤2.3，根据优化系数构建故障支持向量机分类器模型，对于给定的测试样本，故障支持向量机分类器模型的形式为：

，i=1，…，n，函数为符号函数是绝对值函数的导数，为核函数，为优化系数。

4.根据权利要求1所述的一种基于数据的容错控制方法，其特征在于，在步骤3中，所述提取样本数据的特征变量数据的方法为，采用公式对传感器实时采集样本数据的各物理量特征的进行标准化获取标准化数据作为特征变量，式中，为标准化后传感器的物理量值即特征变量，x为传感器采集的原始物理量值；为最近1小时的物理量均值；为最近1小时的物理量的标准差值。

5.根据权利要求1所述的一种基于数据的容错控制方法，其特征在于，在步骤5中，所述样本数据通过最优核函数的支持向量机分类器模型获得故障分类结果的方法包括以下步骤：

步骤5.1，将样本数据分为3个时域共18个故障数据样本；

步骤5.2，将每一种故障数据样本通过最优核函数的支持向量机分类器模型；

步骤5.3，输出该种故障的故障分类结果。

6.一种基于数据的容错控制装置，其特征在于，所述装置包括：

样本数据采集单元，用于通过传感器实时采集样本数据；

分类模型构建单元，用于根据样本数据构建故障支持向量机分类器模型；

特征变量提取单元，用于提取样本数据的特征变量数据；

核函数测试单元，用于通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数；

故障分类输出单元，用于将样本数据通过最优核函数的支持向量机分类器模型获得故障分类结果；

所述通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数,包括以下步骤：根据公式求解归一均方误差，式中：为传感器数据；为类别号，，为特征变量，i=1，…，n，多项式的阶数为2，根据特征变量数据依次检验多项式核函数、径向基核函数、Sigmoid核函数、线性核函数，其中归一均方误差最小的即为最优核函数；

所述支持向量机分类器模型用于根据包含有噪声的样本数据和不包含有噪声的样本数据，分类多种故障。