[发明专利]基于组群式稀疏自编码及群智能的电机故障检测方法

权利要求书

1.一种基于组群式稀疏自编码及群智能的电机故障检测方法，其特征在于，包括如下步骤：

步骤1，采集来自电机的故障信号，包括电机正常状态、绕组匝间短路、转子局部退磁三类情况下的直流母线电流和相电流，建立以故障数据为基础的故障案例库；

步骤2，建立一种组群式稀疏自编码器(GSAE)实现框架，并使用Majorization-Minimization(M-M)方法求解，利用该稀疏特征提取网络对原始输入电机故障数据进行特征提取；所述组群式稀疏自编码器实现框架具体如下：

1)设定输入参数及类别

设X为输入数据，则：

X＝{X₁，…，X_c}

其中，X₁是第一类(class1)，X₂是第二类(class2)，c是类的数量，{n₁，n₂，…n_c}是每一类中的数据点数，数据组织的规则是：属于类别1的列最先出现，然后是类别2的数据列，依此类推，一直到最后类别c的数据列；

2)定义损失函数

引入基于正则化的l_2，1-范数来定义损失函数，定义如下：

其中，||·||_2，1＝∑_j||Z^j→||₂是l₂-范数的行之和，由j指定；φ是一个非线性激活函数，W和U分别是编码和解码权重，λ为参数，因此，第二项的l_2，1-范数适用于两种情况，即φ(WX)或仅适用于WX；

步骤3，对群智能算法进行改进，实现综合自身及社会因素的粒子群算法(SS-PSO)；所述SS-PSO算法通过随机方式使用其他子群最优位置g_best，并保留每个子群自身最优位置g_best，同时将两种最优位置用于子群中粒子的速度与最优位置的更新；

步骤4，建立SS-PSO-ANN深度分类器模型，利用改进粒子群算法SS-PSO对ANN网络权值及阈值进行优化处理；

步骤5，针对基于GSAE网络提取出的优质稀疏特征，利用SS-PSO-ANN分类器进行电机故障的有效诊断。

2.根据权利要求1所述的基于组群式稀疏自编码及群智能的电机故障检测方法，其特征在于，所述步骤2中的利用Majorization-Minimization(M-M)方法进行稀疏白编码求解的具体操作为：

1)求取解码权重U，采取封闭形式的线性最小二乘回归问题求取解码权重U：

其中，k表示迭代次数，即第k次迭代；

2)求取编码权重W，采用M-M算法求取编码权重W：

2.1)构造平滑函数G₀(W)：

设J(W)是最小化目标函数，对于初始点ω₀，通过ω₀构造平滑函数G₀(W)，其取值在远离ω₀时比J(W)大，而在ω₀点时取值相同，即构造易于最小化的平滑函数G₀(W)；在每一步迭代中，G_k(W)被最小化以获得下一次迭代值，从而定义实际损耗函数J(W)的G_k(Z)，如下：

其中，a是矩阵的最大特征值，I是身份矩阵，通过简化G_k(Z)，可以得到：

2.2)重写优化函数

令：

优化函数重写为：

2.3)替换非线性问题为简单线性问题的梯度下降

式中，σ是梯度下降的步长；

设：V为X_c^T的行关联度，D＝diag(|VW^T|^-1)，求解编码权重W：W^T＝P-V^TT。