[发明专利]一种基于数据的容错控制方法及装置

说明书

本公开提供一种基于数据的容错控制方法及装置，利用样本数据建立了故障支持向量机分类器模型，这种诊断方法的显著优点是只需要少量的时域样本数据来训练故障分类器，不必进行信号预处理就能够提取特征量，便可实现多故障的识别和诊断，构建故障支持向量机分类器模型，实现了在智能制造过程中的数控机床的状态可显示、故障可诊断、性能可预报，形成监测信息、诊断结论和实时控制方案策略的统一，进而达到高精、高效加工的目的。

技术领域

本公开涉及智能制造技术领域，特别涉及一种基于数据的容错控制方法及装置。

背景技术

故障容错控制就是在设备发生故障之前或故障之后，根据检测的故障信息，针对不同的故障源和故障特征，采取相应的容错控制措施，保证设备正常运转；或以牺牲性能损失为代价，保证设备在规定时间内完成其基本功能，对于复杂制造系统运行过程维护及安全管理，如果能提前预测其未来可能存活的时间，就有可能更好地实施管理和发挥其在轨效能、尽可能保持复杂制造系统有效运行、延长其剩余寿命，甚至规避风险，有重要的技术意义。

发明内容

针对上述技术问题，本公开提供一种基于数据的容错控制方法及装置，利用样本数据建立了故障支持向量机分类器模型，这种诊断方法的显著优点是只需要少量的时域样本数据来训练故障分类器，不必进行信号预处理就能够提取特征量，便可实现多故障的识别和诊断。

所述一种基于数据的容错控制方法具体包括以下步骤：

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。

进一步地，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、速度传感器，用于检测位置、计数、角位移、直线位移、温度、磁场强度、压力、速度数据，所述样本数据包括传感器编号、采集物理量、采集时间。

进一步地，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(x_i,y_i)，i＝1,…,n，x_i为样本数据，x_i∈R，R为数据量，y_i为类别号，y_i∈{+1,-1}。

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α_i，其中，常数C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；ξi为大于0的松弛变量，ξ_i反映了实际指示值类别号y_i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x_i，故障支持向量机分类器模型的形式为：

sgn()函数为符号函数是绝对值函数的导数，K(x_i,y_i)为核函数，α_i为优化系数；

所述核函数包括多项式核函数、径向基核函数、Sigmoid核函数、线性核函数其中任意一种。