买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种基于猎人‑猎物优化的多域特征控制系统故障诊断方法，基于SVM已经在航空发动机故障诊断领域有了广泛的应用。因此，本文在研究解决某型航空发动机故障诊断的问题上，提出了一种基于猎人‑猎物优化算法的多域特征航空发动机控制系统故障诊断方法。首先基于模型航空发动机际运行的故障数据，进行时域与频域故障特征提取，然后利用猎人猎物优化算法对原始故障数据的多域特征参数进行选择，过滤去冗余特征，减少了冗余信息的影响，降低了分类数据的维数，提升了分类数据的质量。本发明基于选择的高质量特征参数子集，采用支持向量机进行故障诊断，其故障诊断准确性得到有效提高。

主权项：1.一种基于猎人-猎物优化的多域特征控制系统故障诊断方法，其特征在于步骤如下：步骤1：从航空发动机的传感器中获取故障运行数据y2与实际正常运行数据y1，将所获得的数据进行归一化处理，归一化于0到1的区间里： 其中，yk是所要处理的原始数据，是原始数据对应的归一化数据，其中：表示归一化后实际故障运行数据，表示归一化后实际正常运行数据；ymin与ymax分别代表这类数据的最小值与最大值；步骤2：从归一化后的数据中提取特征参数xi，包括运用时域特征提取技术和快速傅里叶变换提取的时域和频域特征参数：通过下式选择特征参数，由于每组特征参数只能被选择或者未选择，选择过程具有二进制特性：xi＝lbi+rand×ubi-lbi；rand∈[0,1]随后通过下式进行二进制转换，得到一个特征参数子集，其中0代表未被选择，1代表被选择： 其中：xi是表示特征参数，lbi与ubi分别代表特征参数的下界与上界，该过程生成N组特征参数，每组特征参数的维数为D，整个特征参数集以一个矩阵表示；0表示对应的特征参数未被选择，1代表对应的特征参数被选中；将特征参数子集的数据分为两组，一组选取总数据集的80％用作训练，另一组采用剩余20％数据作为测试；步骤3：将训练数据输入MATLAB中的支持向量机SVM模型进行训练预测，并得到分类误差Erri，并计算每组选中的特征参数的匹配度： 以最小的Fitnessi值所对应的特征参数为最佳特征参数Tpos；其中，主要权重w1设置为0.99，次要权重w2设置为0.01，di表示选中的特征参数子集所含特征的个数；步骤4：确定当前最佳特征参数及匹配度后，对HPO算法中平衡参数更新如下： 其中，Tmax是最大迭代次数，t是当前迭代次数。自适应参数更新如下： 其中，与代表一个随机向量，向量的每个值都在0和1之间，R2、R5是0与1之间的随机数；αindex是满足条件P＝＝0的向量的特征参数指数；所有特征参数的平均值： 将递减机制加入算法中：Kbest＝roundC×N步骤5：将更新的参数带入下式，并更新两种情况下的特征参数xnew： 其中，β是值为0.1的常数。Pposj代表最佳特征参数在参数集矩阵中的位置，R4表示0到1内的随机数；Deuci表示欧几里得距离；步骤6：再次通过MATLAB中的支持向量机模型进行训练预测，并得到分类误差Erri，以下式计算已更新的特征参数的匹配度，并与当前最佳匹配度进行比较，若优于当前最佳匹配度，则更新最佳特征参数Tpos： 步骤7：若已经达到所允许的最大迭次数，即满足终止条件，则输出最终结果，结束迭代；否则返回到步骤4进行下一次循环迭代。

全文数据：

权利要求：

百度查询： 西北工业大学 基于猎人-猎物优化的多域特征控制系统故障诊断方法