[发明专利]基于支持向量数据描述集成学习的齿轮故障识别方法

说明书

本发明公开了一种基于支持向量数据描述集成学习的齿轮故障识别方法。本发明利用支持向量数据描述方法的单分类特性，通过数据训练的方式可训练出对应的齿轮故障单分类器，并以超球体分类半径作为描述齿轮故障类别的指标；再运用集成学习的方法，以加权平均求和为集成规则，将一定数量的支持向量数据描述齿轮故障分类器集成为齿轮故障多分类学习器，从而实现齿轮故障类别的辨识。本发明可有效的降低分类结果的随机性，在小样本量的训练基础上得到较高的准确率。

技术领域

本发明属于故障识别领域，具体地说，是一种基于支持向量数据描述集成学习的齿轮故障识别方法。

背景技术

支持向量数据描述是一种在支持向量机基础上发展起来的一种单分类方法。其基本思想是把要描述的个体作为一个整体，建立一个封闭空间，将描述的个体尽可能多的包含在封闭空间内部，而不在描述个体范围的非目标个体则不能被包含在封闭空间内部。目前常用的故障识别方法如支持向量机和神经网络，均是建立在大量训练样本的映射分布的基础上，因此分类结果具有一定的随机性。

发明内容

本发明公开了一种基于支持向量数据描述集成学习的齿轮故障多分类识别方法。本发明利用支持向量数据描述方法的单分类特性，通过数据训练的方式可训练出对应的齿轮故障单分类器，并以超球体分类半径作为描述齿轮故障类别的指标；再运用集成学习的方法，以加权平均求和为集成规则，将一定数量的支持向量数据描述齿轮故障分类器集成为齿轮故障多分类学习器，从而实现齿轮故障类别的辨识。

实现本发明目的的技术方案如下：一种基于支持向量数据描述集成学习的齿轮故障识别方法，包括以下步骤：

步骤一，构建支持向量数据描述齿轮故障分类器。

步骤二，采用自助采样法构建T个含m个齿轮故障特征训练样本的特征训练集，分别训练出T个支持向量数据描述齿轮故障分类器。

步骤三，通过加权求和的规则将T个支持向量数据描述齿轮故障分类器集成在一起，即可实现齿轮故障类别辨识的目标。

本发明与现有技术相比，其显著优点为：通过单分类方法的支持向量数据描述齿轮故障分类器的集成，可实现对齿轮故障类别辨识的目标。

附图说明

图1为本发明的样本采样示意图。

图2为本发明的分类器训练示意图。

图3为本发明的分类器集成示意图。

图4为本发明的分类识别示意图。

图5为本发明基于支持向量数据描述集成学习的齿轮故障识别方法的技术原理框架图。

具体实施方式

本发明的技术方案可以概括为：

步骤一：构建支持向量数据描述齿轮故障分类器。

引入核函数的方法构建构建支持向量数据描述齿轮故障分类器。

步骤二：齿轮故障特征训练样本集构建，支持向量数据描述齿轮故障分类器训练

采用自助采样法构建T个含m个齿轮故障特征样本的训练集。

通过一个齿轮故障特征训练集训练一个样本分类器的方法，训练出T个支持向量数据描述齿轮故障分类器，并利用齿轮故障特征样本集除去单个特征训练集后的剩余特征样本数据来测试支持向量数据描述齿轮故障分类器的分类性能。

步骤三：支持向量数据描述齿轮故障分类器集成

利用加权求和的方式将T个支持向量数据描述齿轮故障分类器集成在一起形成支持向量数据描述齿轮故障类型辨识器。

下面结合附图对本发明作进一步说明。