[发明专利]一种燃气调压设备的智能化故障诊断方法、系统、终端及存储介质

权利要求书

1.一种燃气调压设备的智能化故障诊断方法，其特征在于，包括：

获取已知故障类型的燃气调压设备故障数据特征向量，作为SVM的训练样本；

利用训练样本对SVM算法进行训练，使用高斯径向基核函数K，建立SVM故障诊断分类模型，其中，SVM故障诊断分类模型以故障数据为输入，故障类型为输出进行训练；

采用遗传算法对SVM故障诊断分类模型的参数C与g进行优化，建立优化的SVM故障诊断分类模型；

利用优化的SVM故障诊断分类模型对燃气调压器进行故障诊断，得到故障类型。

2.根据权利要求1所述的燃气调压设备的智能化故障诊断方法，其特征在于，所述获取已知故障类型的燃气调压设备故障数据特征向量，作为SVM的训练样本，包括：

利用公式对故障数据特征向量进行归一化处理；

式中：x′_i为归一化后的数据；x_i为归一化处理前的数据；x_min，x_max为特征向量中的最小值和最大值，归一化后的数据x＇_i的取值范围为[-1 1]。

3.根据权利要求1所述的燃气调压设备的智能化故障诊断方法，其特征在于，所述获取已知故障类型的燃气调压设备故障数据特征向量，作为SVM的训练样本，包括：

获取已知故障类型的燃气调压设备故障数据特征向量；

对故障数据特征向量进行降维处理，生成SVM的训练样本。

4.根据权利要求3所述的燃气调压设备的智能化故障诊断方法，其特征在于，所述对故障数据特征向量进行降维处理，包括：

利用主元分析法、核主元分析法或主元分析法与线性判别法相结合的算法对故障数据特征向量进行降维处理。

5.根据权利要求1所述的燃气调压设备的智能化故障诊断方法，其特征在于，利用训练样本对SVM算法进行训练，使用高斯径向基核函数K，建立SVM故障诊断分类模型，其中，SVM故障诊断分类模型以故障数据为输入，故障类型为输出进行训练，包括：

利用训练样本对SVM算法进行训练，使用高斯径向基核函数K，建立SVM一对一故障诊断分类模型，其中，SVM故障诊断分类模型以故障数据为输入，故障类型为输出进行训练。

6.根据权利要求1所述的燃气调压设备的智能化故障诊断方法，其特征在于，所述采用遗传算法对SVM故障诊断分类模型的参数C与g进行优化，建立优化的SVM故障诊断分类模型，包括：

将训练样本交叉验证后的精准度作为适应度函数值，采用遗传算法对SVM进行寻找最佳因子C与g的计算。

7.根据权利要求1所述的燃气调压设备的智能化故障诊断方法，其特征在于，所述方法还包括：

对故障数据特征向量进行降维处理，生成SVM的测试样本；

对生成的故障诊断分类模型进行检验，通过故障诊断分类模型输出的故障类型的预测结果，与测试故障样本中的故障类型对比，验证故障诊断分类模型诊断的准确率。

8.一种燃气调压设备的智能化故障诊断系统，其特征在于，包括：

获取单元，所述获取单元用于获取已知故障类型的燃气调压设备故障数据特征向量，作为SVM的训练样本；

模型训练单元，所述训练单元用于利用训练样本对SVM算法进行训练，使用高斯径向基核函数K，建立SVM故障诊断分类模型，其中，SVM故障诊断分类模型以故障数据为输入，故障类型为输出进行训练；

模型优化单元，所述优化单元用于采用遗传算法对SVM故障诊断分类模型的参数C与g进行优化，建立优化的SVM故障诊断分类模型；

故障诊断单元，所述故障诊断单元用于利用优化的SVM故障诊断分类模型对燃气调压器进行故障诊断，得到故障类型。

9.一种终端，其特征在于，包括：

处理器；

用于存储处理器的执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-7任一项所述的方法。

10.一种存储有计算机程序的计算机可读写存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。