[发明专利]一种基于平均影响值数据变换的k-近邻故障诊断方法

摘要

本发明公开了一种基于平均影响值数据变换的k‑近邻故障诊断方法，步骤如下：S1，采集数据集合X；S2，对数据集合X进行标准化处理；S3，构建BP神经网络；S4，计算数据集合的平均影响值MIV；S5，计算加权后的数据集合X′；S6，将加权后的数据集合X′输入到k‑近邻分类器中进行故障诊断，得到故障结果。本发明将标准化处理后的数据通过BP神经网络得到数据变化的平均影响值MIV，MIV能够反映出BP神经网络的权重矩阵的变化情况，是评价BP神经网络输入参数相关性的最佳指标，所以MIV可以测定出神经网络输入神经元对输出神经元的影响权重。根据MIV对输入数据集进行处理能对数据集中有效特征进行突出，降低数据的维度，增强输入数据集与输出的关联性。

主权项

1.一种基于平均影响值数据变换的k-近邻故障诊断方法，其特征在于，步骤如下：S1，采集数据集合X；X＝[x(1),x(2),...,x(L)] (1)；x(k)＝[x1(k),x2(k),...,xi(k),...,xn(k)]T (2)；其中，X为数据集合，x(k)为数据集合中第k个的数据集，k＝1,2,…,L；xi(k)为第k个数据集中的第i个数据，i＝1,2,…,n；S2，对数据集合X进行标准化处理，标准化公式为： Z = x - x ‾ σ - - - ( 3 ) ; ]]>其中，x为原始采样数据；为平均值；σ为方差；Z为标准化后的集合；S3，构建BP神经网络；S4，计算数据集合的平均影响值MIV；S5，计算加权后的数据集合X′；S6，将加权后的数据集合X′输入到k-近邻分类器中进行故障诊断，得到故障结果。