[发明专利]基于改进多粒度级联森林的扁平振动电机缺陷检测系统及方法

权利要求书

1.一种基于改进多粒度级联森林的扁平振动电机缺陷检测系统，其特征在于，包括：

多粒度扫描模块，由随机森林和完全随机森林级联得到，用于对获取的扁平振动电机电信号样本数据进行扫描，得到特征向量；

级联CatBoost模块，由若干CatBoost层顺次级联组成，每个CatBoost层包括多个CatBoost模型；用于依据特征向量，得到扁平振动电机的缺陷类型；

所述基于改进多粒度级联森林的扁平振动电机缺陷检测系统按照以下步骤训练：

S1 对获取扁平振动电机不同缺陷类型的原始电信号进行提取，得到旋转振动电机不同缺陷类型的电信号样本数据；

S2 利用多个不同给定大小的滑动窗口分别对扁平振动电机不同类型的电信号样本数据进行扫描，滑动窗口扫描的数据通过多粒度扫描模块处理得到样本的特征向量；

具体实现方式为：采用三种不同大小的滑动窗口分别对不同类型的用于系统训练的每个电机电压信号样本的J维信号进行提取，得到L个K维向量数据，将其分别输入到随机森林和完全随机森林输出L个I维类向量拼接，得到2*L*I维特征向量，L=（J-K）/λ+1，λ为滑动窗口的滑动步长；

对于一个K维输入向量，随机森林或完全随机森林中的决策树生成过程为：随机森林从K维输入向量中随机选取个特征，通过式（1）计算Gini指数，对选取的特征进行评估，选择最优的节点进行分裂；完全随机森林从输入向量中随机选取特征进行分裂，直到节点只有一个类别；

其中I为类别个数，p_i为样本属于第i类的概率；

随机森林和完全随机森林中的决策树生成后，每个决策树会估算每个节点中输入向量类别分布，对森林中所有决策树的所有节点产生的类别分布进行平均即可得到输入向量的类向量，即该样本的I维类特征向量；

S3 采用M折交叉验证法，利用步骤S2得到的包含特征向量的样本对级联CatBoost模块进行训练，包括以下分步骤：

S31采用M折交叉验证法，利用步骤S2得到的包含特征向量的样本数据对级联CatBoost模块的第一CatBoost层的多个CatBoost模型同时进行训练；

S32 对于同一样本，将第一CatBoost层产生的样本输出特征向量与输入级联CatBoost模块的相应样本特征向量进行拼接，拼接后的样本特征向量作为下一CatBoost层的输入样本特征向量；进一步采用M折交叉验证法对下一CatBoost层进行训练，以此类推，直至连续3个CatBoost层的准确率没有提升，停止训练，得到训练好的级联CatBoost模块。

2.根据权利要求1所述的基于改进多粒度级联森林的扁平振动电机缺陷检测系统，其特征在于，随机森林中包含200~500决策树，完全随机森林包含200~500决策树。

3.根据权利要求1所述的基于改进多粒度级联森林的扁平振动电机缺陷检测系统，其特征在于，所述级联CatBoost模块，每个CatBoost层包括2~8个CatBoost模型，每个CatBoost模型包含500~1200个树。

4.一种基于改进多粒度级联森林的扁平振动电机缺陷检测方法，其特征在于利用权利要求1至3任一项所述的扁平振动电机缺陷检测系统，按照以下步骤进行：

L1 对获取扁平振动电机的原始电信号进行提取，得到电信号样本数据；

L2 利用多个不同给定大小的滑动窗口对扁平振动电机的电信号样本数据进行扫描，滑动窗口扫描的数据通过多粒度扫描模块处理得到样本的特征向量；

L3 将步骤L2得到的包含特征向量的样本输入到级联CatBoost模块，对最后一层CatBoost层各CatBoost模型同一维度输出特征向量取平均，以平均值中最大值对应的类别作为扁平振动电机缺陷类别。