CN105182219A - 一种基于汉明纠错码支持向量机的功率变换器故障分类方法 - Google Patents

Abstract

本发明公开了一种基于汉明纠错码支持向量机的功率变换器故障分类方法，首先，分析功率变换器可能存在的故障模式，并进行可测性分析和选择可测节点；然后，在测试节点处采集各种故障模式下的输出信号，通过特征提取得到一定数量的故障样本；最后，基于汉明码的编码规则对各种故障进行编码，故障样本的标签根据这些码字确定后，对每个子分类器进行训练，构建基于汉明纠错码支持向量机的模型，在测试阶段，对每个子分类器的输出结果进行检错和纠错后，得到最后的分类结果。本发明在对功率变换器中存在的多种故障进行分类时，需要的子分类器数目少，分类速度快，并且能够对最后的分类结果进行检错和纠错，能提高功率变换器故障诊断的可靠性。

Description

一种基于汉明纠错码支持向量机的功率变换器故障分类方法

技术领域

本发明涉及一种基于汉明纠错码支持向量机的功率变换器故障分类方法，属于电力电子电路故障诊断领域。

背景技术

电力电子技术是21世纪应用最广泛的技术之一，随着电力电子技术在国民经济中的作用不断增强，电力电子技术的发展也非常迅速。功率变换器作为一种可以将某种电流转换为其他类型电流的电力电子设备，广泛应用在工业、军事和航空航天等领域，是电力系统中不可或缺的一部分，正确诊断出功率变换器产生的故障对提高电力系统的安全性和可靠性具有重要的意义。

功率变换器电路中含有功率开关器件，具有强非线性的特点，难以建立精确的数学模型，因此通过建模的方法来对功率变换器进行故障诊断具有一定的难度。目前，基于模式识别的方法不依赖对象的数学模型，对功率变换器进行故障诊断具有较大的优势，因而受到越来越多的关注和研究。支持向量机(supportvectormachine，SVM)是基于统计学习理论提出的一种机器学习方法，对小样本数据的模式识别具有出色的学习泛化能力，成为继各种神经网络之后的又一研究的重点，但支持向量机只能解决二分类问题，为了使用支持向量机方法对功率变换器中出现的多类故障进行分类，需要将多个支持向量机分类器进行组合，常用的多类支持向量机方法有一对一、一对多和有向无环图。考虑对功率变换器中存在的n种故障进行诊断分类，一对一方法需要支持向量机分类器的个数为n个，一对一支持向量机和有向无环图支持向量机需要的支持向量机分类器的个数为n(n+1)/1个。功率变换器一般工作在工况比较复杂的场合，由于噪声的干扰，每次采集的数据会存在着不同，使用支持向量机方法进行故障分类时有时会产生误判，而常用的多类分类支持向量机方法不具有检错和纠错的能力，并且当故障数目较大时，需要的子分类器数目很多，计算量大，不利于功率变换器的在线故障诊断。

本发明结合功率变换器强非线性、故障类别多的特点，采用基于汉明纠错码支持向量机的故障分类方法来对功率变换器进行故障诊断，无需建立功率变换器模型，使用尽可能少的子分类器个数，分类速度快；同时使用基于汉明码编码的纠错原理对输出的结果进行检错和纠错，避免了使用过少的子分类器数目带来模型泛化能力不强的缺点，提高对功率变换器进行故障分类的可靠性。

发明内容

本发明的目的在于提供一种基于汉明纠错码支持向量机的功率变换器故障分类方法，一方面解决传统多类分类支持向量机方法在子分类器出现分类错误时，不具有检错和纠错的能力，可能会出现误判的问题，另一方面使用尽可能少的子分类器数目解决功率变换器故障类别较多的问题，由于对输出结果进行了检错和纠错，同时避免了使用过少的子分类器数目带来模型泛化能力不强的缺点。

本发明为实现上述目的，采用如下技术方案：

本发明是一种基于汉明纠错码支持向量机的功率变换器故障分类方法，包括如下步骤：

1)分析功率变换器中常见的故障模式，并进行可测性分析，确定测试节点后，采集各种故障模式下的输出信号，经过特征提取和预处理后得到故障训练样本。

2)对于功率变换器中的n类故障分类问题，根据二进制编码原理，最少需要(符号表示向上取整)个子分类器，第i(i＝0，1，2，...，n-1)类故障对应故障标号为i，转化为二进制表达形式为C_i，则每个故障对应一个二进制的码字C_i，位数是k。

3)得到每个故障对应的码字C_i后，根据最简单的奇偶校验方法，在每个故障码字后增加一个奇偶检验位得到新的故障编码C_i’，位数为k+1；将加入了奇偶检验位的码字C_i’作为原始信息码，根据汉明码的编码规则对C_i’进行编码，需要r个检验位(r取满足公式2^r≥r+k+2的最小整数值)，得到每个故障对应的基于汉明码编码的故障编码C_i*，位数为k+r+1。

4)将故障样本分为两类：训练样本和测试样本。在训练阶段，根据得到的故障编码C_i*对每个子分类器SVM_i(i＝1，2，...，k+r+1)对应的故障类别进行划分，然后根据划分好的正类和负类训练样本对SVM_i进行训练，得到训练好的基于汉明纠错码的支持向量机分类器模型。

5)在测试阶段，将待测试样本先输入训练好的模型中的前k+1个子分类器SVM_j(j＝1，2，...，k+1)中，将得到的结果进行奇偶校验，如果校验正确，则认为前k个子分类器分类正确，剩下的r个子分类器不用再参与测试，根据前k个子分类器的计算结果判别得到最终的故障所属类别。如果检验出现错误，则剩下的r个子分类器参与测试，得到所有k+r+1个子分类器的分类结果，根据汉明码的纠错原理确定错误发生在哪个子分类器上，如果错误发生在第k+1个子分类器，则直接根据前k个子分类器的分类结果进行判别得到故障所属类别；如果错误发生在前k个子分类器中，则对该子分类器的分类结果进行纠错，根据已经纠错的前k个子分类器的分类结果判别最后所属的故障类别。

本发明基于汉明码的编码和解码方法，对功率变换器故障类别进行编码以及对输出结果进行检错和纠错，使构建的支持向量机分类器模型的泛化能力增强。在训练阶段，需要训练的子分类总个数为k+r+1，当功率变换器故障类别数n较大时，子分类器数目小于常用的多类分类方法需要的子分类器数目，例如，有20种故障，常用的一对多方法需要20个子分类器，一对一和有向无环图方法需要190个子分类器，而提出的方法需要10个子分类器。在测试阶段，为了提高算法的测试速度，使用了最简单的奇偶校验方法来对结果进行检错，如果输出结果正确，则不需要使用基于汉明码增加的校验位对应的子分类器来进行计算纠错，这样参与测试的子分类器个数是k+1；如果出现错误，需要根据汉明码规则进行纠错，参与测试的子分类器个数是k+r+1。这样将检错和纠错这两步分开，避免了在诊断结果正确的情况下，还需要调用额外的子分类器去计算，提高了故障分类的速度。

附图说明

图1：本发明故障诊断框图；

图2：本发明故障诊断方法流程图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明。

如图1所示，本发明的故障诊断原理是：分析功率变换器中常见的故障模式，并进行可测性分析，确定测试节点后，采集各种故障模式下的输出信号，经过特征提取和预处理后得到故障训练样本，然后，根据汉明码编码方法对各类故障进行编码，得到每类故障对应的码字，训练样本的标签根据这些码字确定后，训练每个子分类器(子分类器选择的是支持向量机)，训练结束后，则构建了基于汉明纠错码支持向量机的模型，最后，用同样的方法处理采集到的测试样本，将测试样本输入模型中的每个子分类器，将得到的结果进行检错和纠错后，输出最后的故障分类结果。

如图2所示，本发明的一种基于汉明纠错码支持向量机的功率变换器故障分类方法，具体实施包括如下步骤：

1)功率变换器出现故障主要是由功率管引起的，以开路和短路故障最为常见。对功率变换器的故障模式进行分析，确定故障类型和故障数目后，选择测试节点和待测信号，测试节点的选取要充分考虑实际的可操作性，便于进行数据采集，选择的待测信号要包含各种故障模式下的信息，一般选择的是输出电压或电流。

2)采集故障信号时，如果采集的是电流信号，则需要将电流信号转化为电压信号再进行采集，采样频率f_s的大小是根据故障信号来决定的，采样点数为N，采集到故障信号后，需要进行特征提取，常用的故障特征提取方法有傅里叶变换、小波变换等，根据故障信号的特点来决定。例如，故障信号是平稳周期信号，则可以通过傅里叶变换来进行特征提取，经过傅里叶变换后，频谱分辨率大小Δf＝f_s/N，第m(m＝1，2，...，N)点对应的频率大小f＝(m-1)Δf，选择各种故障下，差异性比较大的频率点对应的幅值和相角作为特征值，一般选择各次谐波的幅值和相角，将这些特征值组成一个特征向量。提取到各类故障的故障特征向量后，再进行均值为0，方差为1的归一化处理，得到最后的故障样本；改变输入条件或负载大小，这样可以得到多组故障样本用于之后的训练和测试。

3)故障样本采集完毕后，假设功率变换器中有n类故障，使用基于支持向量机的方法来对这n类故障进行分类，根据二进制编码原理，最少需要个子分类器，第i(i＝0，1，2，...，n-1)类故障对应故障标号为i，转化为二进制表达形式为C_i，二进制的位数是k，则每类故障对应一个二进制的码字C_i。

4)得到每类故障对应的码字C_i后，根据最简单的奇偶校验方法，在每个故障码字后增加一个奇偶检验位得到新的故障编码C_i’，位数为k+1；将加入了奇偶检验位的码字C_i’作为原始信息码，根据汉明码的编码规则对C_i’进行编码，需要r个检验位，r需要满足的公式如下：

2^r≥r+k+2(1)

其中，r为满足上述公式的最小正整数，这样得到每类故障对应的基于汉明码编码的故障编码为C_i*，位数为k+r+1。例如，功率变换器有8种故障，故障类别分别为i(F0，1，...，7)，8种故障需要k＝3个子分类器，即C_i的二进制位数为3，C_i’的二进制位数为4，根据公式(1)可知汉明码编码需要的校验位r＝3，则每类故障对应的故障编码C_i*二进制位数为7，每一位二进制位用b_l(l＝0，1，...，6)表示，则基于汉明码编码得到的每类故障的故障编码C_i*＝b₆b₅b₄b₃b₂b₁b₀。用汉明码编码进行故障编码过程中，用S₁、S₂、S₃表示3个监督关系式中的校正子，则S₁、S₂和S₃值与错码位置的对应关系如表1所示。也可以规定另一种对应关系，这不影响之后讨论子分类器的训练和对输出结果进行检错和纠错的一般性。

表1

S1S2S3	错码位置	S1S2S3	错码位置
				001	b0	101	b4
010	b1	110	b5
				100	b2	111	b6
011	b3	000	无错码

根据表1可以得到如下的三个偶数监督关系：

$S_1=b_2\⊕b_4\⊕b_5\⊕b_6$

$S_2=b_1\⊕b_3\⊕b_5\⊕b_6---\left(2\right)$

$S_3=b_0\⊕b_3\⊕b_4\⊕b_6$

根据公式(2)中的三个监督关系，使S₁、S₂和S₃为0，则可以得到b₀、b₁和b₂，公式如下所示：

$b_2=b_4\⊕b_5\⊕b_6$

$b_1=b_3\⊕b_5\⊕b_6---\left(3\right)$

$b_0=b_3\⊕b_4\⊕b_6$

码字C_i＝b₆b₅b₄是功率变换器故障类别i的二进制表示形式，b₃是对码字C_i的偶校验，这样根据功率变换器已知的故障类别，就可以得到b₆、b₅、b₄和b₃，根据公式(3)则可以得到二进制位b₂、b₁和b₀，则对功率变换器的8种故障按汉明码规则编码，得到的故障编码如表2所示。

表2

如表2所示，第i类故障的故障编码C_i*中的每一位二进制位b_i表示的是被对应的子分类器SVM_j(j＝0，1，...，6)划分的类别，为1则被划分为正类，为0则被划分为负类。例如，SVM₀对应的是故障编码中的第六位b₆，则故障0、1、2、3被划分为负类，故障4、5、6、7被划分为正类，其它的子分类器划分规则相同。

5)将故障样本分为两类：训练样本和测试样本。在训练阶段，训练样本根据故障编码C_i*确定标签，然后对每个子分类器SVM_i(i＝1，2，...，k+r+1)对应的故障类别进行划分，根据划分好的正类和负类训练样本对该子分类器SVM_i进行训练，训练结束后，将训练得到的模型参数进行存储，则构建了基于汉明纠错码的支持向量机模型。

6)在测试阶段，先将测试样本输入训练好的模型中的前k+1个子分类器SVM_j(j＝0，1，...，k)中，将得到的结果进行奇偶校验，如果校验正确，则认为前k个子分类器分类正确，剩下的r个子分类器不用再参与测试，根据前k个子分类器的计算结果判别得到最终的故障所属类别。如果检验出现错误，则需要进行纠错，将测试样本继续输入剩下的r个子分类器中，这样得到所有k+r+1个子分类器的分类结果，根据汉明码纠错原理先确定错误发生在哪个子分类器上，如果错误发生在第k+1个子分类器上，表示是偶校验位对应的子分类器分类错误，前k个子分类器的分类结果正确，则直接根据前k个子分类器的分类结果进行判别，得到故障所属类别；如果错误发生在前k个子分类器中，则对该子分类器的分类结果进行纠错，根据已经纠错好的前k个子分类器的输出结果判别最后所属的故障类别。同样以功率变换器中8种故障分类为例进行说明，假如输入的测试样本是故障2，正确分类情况下，前4个子分类器输出结果为0101，表示第1个子分类输出0、第二个子分类器输出1，第三个子分类器输出0，第四个子分类器输出1，根据偶检验，输出结果正确，则前3个子分类的结果为010，可以判别故障类型是故障2；如果第1个子分类器分类错误，输出结果为1，根据前3个子分类的输出结果110直接进行故障分类，会误判为故障6，对前4个子分类器的输出结果1101进行偶检验，会发现不符合规则，需要进行纠错，将后面3个校验位对应的子分类器参与测试，输出的结果为101，根据公式(2)中的监督关系得到S₁S₂S₃为111，可知b₆位出现错误，即第一个子分类器分类错误，进行纠错，将输出结果1改为0，则纠错后的前3个子分类器的输出结果为010，故障分类结果为故障2。

Claims (3)

1.一种基于汉明纠错码支持向量机的功率变换器故障分类方法，包括如下步骤：

(1)分析功率变换器中常见的故障模式，并进行可测性分析，确定测试节点；

(2)在测试节点处采集功率变换器在各种故障模式下的输出信号，通过特征提取(傅里叶分析和小波变换等)以及预处理(归一化)得到各种故障模式下的故障样本；

(3)在模型训练阶段，根据汉明码编码原理对每类故障进行编码，每类故障对应一个码字，故障样本的标签根据这些码字确定后，对每个子分类器进行训练，得到基于汉明纠错码支持向量机的模型；

(4)在分类测试阶段，将测试样本输入模型，每个子分类器均有一个输出，检测输出结果是否出错，如果出现错误，则根据汉明码的纠错原理对错误的子分类结果进行纠错，再输出最后的分类结果。

2.根据权利要求1中所述的一种基于汉明纠错码支持向量机的功率变换器故障分类方法，其特征在于所述步骤(3)中每类故障的编码方法如下：

(1)待分类的故障模式有n个，第i(i＝0，1，2，...，n-1)类故障对应故障类别为i，转化为二进制表达形式为C_i，其中二进制位数为最小值

(2)根据奇偶校验方法，在每个故障码字C_i后增加一个奇偶检验位，得到新的故障编码C_i’，位数为k+1；将加入了奇偶检验位的码字C_i’作为原始信息码，再根据汉明码的编码规则对C_i’进行编码，需要r个检验位(r取满足公式2^r≥r+k+2的最小正整数值)，得到最终每类故障对应的故障编码C_i ^*，位数为k+r+1。

3.根据权利要求1中所述的一种基于汉明纠错码支持向量机的功率变换器故障分类方法，其特征在于所述步骤(4)中的测试阶段，对分类结果进行检错、纠错的方法如下：

(1)先将测试样本输入前k+1个子分类器中，得到前k+1个子分类器的输出，将结果进行奇偶检验，如果正确，则可以直接根据前k个子分类器的输出得到分类结果，否则，需要进行下一步的纠错；

(2)将测试样本继续输入最后的r个子分类器中，这样得到所有子分类器的输出，根据汉明码纠错原理，对前k+1个子分类器进行纠错，如果错误发生在第k+1个子分类器中，则直接根据前k个子分类器的输出得到分类结果，如果发生在前k个子分类器中，先对该子分类器的输出结果进行纠错，然后再根据前k个子分类器的输出得到最后的结果。