[发明专利]基于极端树与堆栈式稀疏自编码算法的电力电子电路故障诊断方法有效
| 申请号： | 201910487255.8 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110286279B | 公开（公告）日： | 2021-03-16 |
| 发明（设计）人： | 何怡刚;张亚茹;何鎏璐 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G01R31/00 | 分类号： | G01R31/00;G01R31/28;G06K9/62 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司 42102 | 代理人： | 许美红 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于极端随机森林与堆栈式稀疏自编码算法的电力电子电路故障诊断方法，包括以下步骤：信号采集与特征提取；故障特征降维预处理，利用极端树算法ET计算原始特征数据集中所有特征的重要性评分，并将其进行降序排列，确定要剔除的比例，剔除后得到一个新的特征集；故障特征进一步提取，利用堆栈式稀疏自编码SSAE算法将多个稀疏自编码器级联，逐层特征提取，获取最后一个稀疏自编码器的隐含层特征作为故障样本；分类训练，将训练集和测试集中的故障样本输入到分类器中进行训练，得到训练好的分类器；模式识别，使用训练好的分类器对待诊断的电力电子电路故障进行分类识别，并对故障进行定位。 | ||
| 搜索关键词： | 基于 极端 堆栈 稀疏 编码 算法 电力 电子电路 故障诊断 方法 | ||
【主权项】：
1.一种基于极端随机森林与堆栈式稀疏自编码算法的电力电子电路故障诊断方法，其特征在于，包括以下步骤：1)信号采集与特征提取，对每一种电力电子电路故障状态下获得的电流信号进行EMD分解，选取多阶IMF分量，计算每阶分量的时域、频域以及能量特征，获得原始特征数据集；2)故障特征降维预处理，利用极端树算法ET计算原始特征数据集中所有特征的重要性评分，并将其进行降序排列，确定要剔除的比例，剔除后得到一个新的特征集；3)故障特征进一步提取，利用堆栈式稀疏自编码SSAE算法将多个稀疏自编码器级联，逐层特征提取，获取最后一个稀疏自编码器的隐含层特征作为故障样本，然后将不同故障下的故障样本作为数据集，并按照一定比例划分为训练集和测试集；4)分类训练，将训练集和测试集中的故障样本输入到分类器中进行训练，得到训练好的分类器；5)模式识别，使用训练好的分类器对待诊断的电力电子电路故障进行分类识别，并对故障进行定位。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910487255.8/，转载请声明来源钻瓜专利网。
