[发明专利]一种基于随机森林算法的绝缘管母故障自动诊断方法

权利要求书

1.一种基于随机森林算法的绝缘管母故障自动诊断方法，该方法为一种内嵌在计算机内的程序，其特征在于，所述的故障自动诊断方法包括：

步骤1：采集绝缘管母放电信号数据，并对数据进行预处理；

步骤2：采用随机初始化爆炸中心构建初始随机森林RF模型；

步骤3：使用烟花算法优化RF模型，获得FWA-RF模型；

步骤4：使用FWA-RF模型对绝缘管母进行故障诊断，获得故障诊断结果；

所述步骤2具体为：

步骤2-1：确定需要进行优化的模型参数，包括子树数量、子树最大特征数、子树最大深度和最小叶子节点数；

步骤2-2：设定烟花算法的参数值，包括最大迭代次数、个体总数、爆炸幅度、火星个数和火星个数限值；

步骤2-3：随机初始化爆炸中心获得步骤2-1中需优化参数的初始值；

步骤2-4：根据步骤2-3中获得的模型参数初始值获得初始随机森林RF模型；

所述步骤2-4具体为：

步骤2-4-1：采用Bootstrap抽样方法从训练集中抽取与训练集容量相同的样本，构成训练子集；

步骤2-4-2：从训练子集的M个特征中随机抽取m个特征，作为分裂特征子集；

步骤2-4-3：采用CART方法建立决策树，构成随机森林模型；

步骤2-4-4：利用测试集验证模型的可靠性；

所述步骤3具体为：

步骤3-1：计算步骤2中初始随机森林RF模型的适应度；

步骤3-2：采用烟花算法迭代更新模型需要优化的参数；

步骤3-3：使用迭代更新后的模型参数构建RF模型，并在此计算RF模型的适应度；

步骤3-4：比较更新前后的适应度值，保留适应度更优的一组参数；

步骤3-5：重复步骤3-3和3-4，直到迭代次数达到设定的最大迭代次数，终止迭代循环，获得最优模型参数；

步骤3-6：根据步骤3-5获得的最优模型参数构建最优FWA-RF模型。

2.根据权利要求1所述的一种基于随机森林算法的绝缘管母故障自动诊断方法，其特征在于，所述步骤1具体为：

步骤1-1：通过特高频传感器、超声传感器和高频电流传感器采集绝缘管母放电信号；

步骤1-2：对采集的数据进行时域分析，计算统计特征数据，包括平均值、有效值、峰值、脉冲指标、裕度指标、歪度指标和峭度指标；

步骤1-3：采用min-max标准化方法对步骤1-2中计算得到的统计特征数据进行标准化处理，计算方法为：

其中，x和x^*分别表示标准化前后的特征量；x_max和x_min分别表示某一维特征参量的最大值和最小值；

步骤1-4：将经过标准化处理后的数据集随机划分为训练集和测试集。

3.根据权利要求1所述的一种基于随机森林算法的绝缘管母故障自动诊断方法，其特征在于，所述步骤2-4-4中验证模型可靠性通过随机森林模型的边际函数来验证；所述的边际函数的计算方法为：

其中，X为输入的特征向量矩阵，r_j为生成的第j棵子树，h(X,r_j)为第j棵子树分类器，Y为正确的类别向量，L为分类错误的向量，av(·)表示取平均值，I(·)表示示意性函数，P_X,Y(·)表示分布概率函数。

4.根据权利要求1所述的一种基于随机森林算法的绝缘管母故障自动诊断方法，其特征在于，所述步骤3-1中适应度通过K-FLOD交叉验证方法计算。

5.根据权利要求1所述的一种基于随机森林算法的绝缘管母故障自动诊断方法，其特征在于，所述步骤3-2具体为：

当前火星爆炸时会从D维搜索空间内随机选择z维进行更新，从而产生新的火星，第i个火星爆炸所产生的的正常火星的坐标计算方法为：

其中，为第k次迭代后第i个火星产生的第j维坐标；A_i为第i个火星的爆炸幅度；rand(·)为随机函数；{d₁,d₂,…,d_z}为随机选出的z个维度；

第i个火星爆炸产生的火星数的计算方法为：

其中，s_i为第i个火星爆炸产生的火星数；s_all为产生的正常火星数，为一常数；f(·)为适应度函数；X_i为第i个火星；f_max＝maxf(X_i)为当前火星中适应度的最大值；ε是一个极小的常数，用于保证分母不为零；

火星数量的取值函数为：

其中，s_min和s_max分别表示每个火星产生火星数量的最小值和最大值，round(·)为取整函数；

第i个火星爆炸幅度A_i的计算方法为：

其中，A_i为第i个火星的爆炸幅度；f(X_i)为适应度函数；f_min＝minf(X_i)为当前种群中适应度的最小值；为爆炸幅度的最大值；

在随机爆炸结束后，需等概率挑选出一个烟花，当前的所有火星包括所有的已生成的火星和原N₀个爆炸中心，需要在这些火星中挑选出N₀个火星作为下一次迭代的爆炸中心，挑选方法为：首先选出适应度值最优的火星，然后基于概率选择剩余的N₀-1个火星；剩余火星中每个火星被选择概率的计算方法为：

其中，R(X_i)为每个火星与其余所有火星的距离之和；K为生成的s_all个火星和N₀个爆炸中心的集合；d(X_i,X_j)是X_i和X_j的欧氏距离；

然后依据被选择概率大小选取N₀-1个火星，最终获得N₀个用于下次迭代的火星，然后执行步骤3-3。