[发明专利]一种基于K2ABC算法的动量轮故障诊断方法及装置

权利要求书

1.一种基于K2ABC算法的动量轮故障诊断方法，其特征在于，包含如下步骤：

S1、基于K2ABC算法结合动量轮故障数据建立动量轮故障的贝叶斯网络模型；

S2、基于步骤S1所建立的贝叶斯网络模型，利用贝叶斯网络参数学习获得模型中各网络节点的参数；

S3、基于步骤S2所获得的带有节点参数的模型以及获得的证据信息，采用贝叶斯网络推理算法，对可能引发动量轮发生故障的各种原因进行概率计算；其中，证据信息指的是在应用时对某个节点或者多个节点添加状态信息来推理对其它节点状态的影响；

S4、通过对比推理阶段计算出的概率，找出其中后验概率最大的节点，作为最终的诊断结果；

上述步骤S1中K2ABC算法包括以下步骤：

S101、获取动量轮故障数据，动量轮故障数据为离散数据；

S102、提取故障数据中的变量作为待构建网络模型中的节点；

S103、设置算法执行参数；

S104、对蜂群进行随机初始化，计算初始蜂群的适应度值；

S105、雇佣蜂对新食物源进行搜索，并利用基于K2搜索与相关度的适应度函数计算各食物源的适应度值，并根据贪婪机制选择需要保留的食物源；

S106、按下式计算各食物源被选择的概率：

其中，p_i为第i个食物源被选择的概率，fit_i为第i个食物源对应的适应度函数值，max(fit)为所有食物源对应的适应度函数值的最大值；

S107、跟随蜂根据步骤S106中计算出的概率采用轮盘赌选择要跟随的食物源，并进一步搜索新食物源，之后利用基于K2搜索与相关度的适应度函数计算各适应度值，并保留适应度值更高的食物源；

S108、判断序列连续未更新次数与最大限制次数的大小关系，若连续未更新次数大于最大限制次数，则对应的食物源被淘汰，由侦查蜂寻找新食物源代替；

S109、记录当前最优食物源；

S110、若满足算法的终止条件，则输出当前最优食物源；否则转步骤S105；

上述步骤S105和步骤S107中，所述基于K2搜索与相关度的适应度函数计算各适应度值具体包括：

step1：在食物源初始化之后，采用K2搜索对食物源进行打分评价，并记录当前最优食物源；

step2：在雇佣蜂与跟随蜂阶段，求解搜索出的新食物源与当前最优食物源所对应样本数据的相关度r；

step3：若相关度r大于阈值δ，则采用K2搜索计算该新食物源的适应度函数值，并进行后续操作；否则将放弃该新食物源，保留原食物源，并转step2；

step4：在侦查蜂阶段，采用K2搜索对新食物源进行评分。

2.根据权利要求1所述的基于K2ABC算法的动量轮故障诊断方法，其特征在于，在步骤S11中，若动量轮故障数据为非离散数据，则首先对动量轮故障数据进行离散化处理，以形成离散的对动量轮故障数据。