[发明专利]接触器故障诊断模型构建方法、装置、介质及电子设备

权利要求书

1.一种高压接触器故障诊断模型构建方法，其特征在于，所述方法包括：

构建包括多个样本的训练样本集，所述样本包括与高压接触器相关的若干特征值和高压接触器的故障状态，每一所述特征值与一个特征相对应；

利用所述训练样本集构建随机森林分类器；

利用所述训练样本集构建长短期记忆神经网络分类器；

建立证据融合综合诊断层；

将所述随机森林分类器和所述长短期记忆神经网络分类器分别与所述证据融合综合诊断层对接，得到高压接触器故障诊断模型，其中，所述证据融合综合诊断层用于对所述随机森林分类器和所述长短期记忆神经网络分类器的故障分类概率输出结果进行证据体融合，以得到最终故障分类结果。

2.根据权利要求1所述的方法，其特征在于，在将所述随机森林分类器和所述长短期记忆神经网络分类器分别与所述证据融合综合诊断层对接，得到高压接触器故障诊断模型之后，所述方法还包括：

获取待诊断的高压接触器特征数据；

将所述高压接触器特征数据分别输入至所述随机森林分类器和所述长短期记忆神经网络分类器，得到由所述随机森林分类器输出的第一组故障分类概率输出结果以及由所述长短期记忆神经网络分类器输出的第二组故障分类概率输出结果；

将所述第一组故障分类概率输出结果和所述第二组故障分类概率输出结果输入至所述证据融合综合诊断层，由所述证据融合综合诊断层对所述第一组故障分类概率输出结果和所述第二组故障分类概率输出结果进行证据体融合，得到最终故障分类结果。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一组故障分类概率输出结果和所述第二组故障分类概率输出结果输入至所述证据融合综合诊断层，由所述证据融合综合诊断层对所述第一组故障分类概率输出结果和所述第二组故障分类概率输出结果进行证据体融合，得到最终故障分类结果，包括：

将所述第一组故障分类概率输出结果和所述第二组故障分类概率输出结果输入至所述证据融合综合诊断层，以判断所述第一组故障分类概率输出结果对应的第一证据体和所述第二组故障分类概率输出结果对应的第二证据体是否冲突；

如果是，则对所述第一证据体和所述第二证据体中的其中一个证据体进行修正，并利用修正后的证据体进行证据体融合，得到最终故障分类结果；

否则，对所述第一证据体和所述第二证据体进行证据体融合，得到最终故障分类结果。

4.根据权利要求3所述的方法，其特征在于，所述对所述第一证据体和所述第二证据体中的其中一个证据体进行修正，包括：

确定所述第一证据体和所述第二证据体的距离；

根据所述距离计算所述第一证据体和所述第二证据体中的其中一个证据体的可靠度；

基于可靠度对所述其中一个证据体进行修正。

5.根据权利要求1所述的方法，其特征在于，所述利用所述训练样本集构建随机森林分类器，包括：

对所述训练样本集进行采样，得到多个采样训练样本集；

利用各采样训练样本集分别构建对应的决策树；

获取包括多个样本的测试样本集；

利用所述测试样本集对各决策树进行测试，得到各决策树的正确率；

根据所述正确率确定对应的决策树的权重；

基于各决策树的权重构建随机森林分类器，其中，所述随机森林分类器基于各决策树的权重进行输出。

6.根据权利要求1-5所述的方法，其特征在于，所述样本中至少一个特征值通过如下的过程获得：

采集高压接触器的合闸线圈电流；

提取所述合闸线圈电流中的有效信号段；

对所述有效信号段进行降噪处理，得到当前样本的特征值。

7.根据权利要求1-5所述的方法，其特征在于，所述利用所述训练样本集构建长短期记忆神经网络分类器，包括：

将所述训练样本集中的各样本按照各样本的采集时间先后顺序输入至长短期记忆神经网络模型中，以构建长短期记忆神经网络分类器。