文献类型：专利

中文题名：一种基于机器学习的故障诊断方法、系统、介质及设备

作者：廖志强[1];王鑫[1];宋雪玮[1];贾宝柱[1];尹建川[1];

机构：[1]广东海洋大学;

专利类型：发明专利

申请号：CN202411451076.6

申请日：20241017

申请人地址：524000 广东省湛江市麻章区海大路1号

公开日：20241220

代理人：张庆艺

代理机构：北京众达德权知识产权代理有限公司

语种：中文

中文关键词：分类器;分类器模型;特征提取模型;训练样本集;神经网络;极限学习机;样本集;多层神经网络;优化算法;偏置;测试样本集;自适应调整;设备故障诊断;传感器参数;参数样本;采集设备;迭代优化;基于机器;待测设备;故障诊断;模型训练;数据扩充;逆向编码;特征输入;条传感器;训练过程;交叉式;权重和;种类特征;运行时

中文摘要：本发明公开了一种基于机器学习的故障诊断方法、系统、介质及设备，方法包括：采集设备运行时的传感器参数样本分为训练样本集和测试样本集；其中，一条传感器参数样本中包含多个种类特征；基于逆向编码的逻辑森林算法对训练样本集进行数据扩充，得到扩充样本集；构建多层神经网络作为特征提取模型，采用训练样本集及其扩充样本集对特征提取模型进行训练，以及采用生态系统优化算法对所有神经网络中的参数进行迭代优化；参数包括但不限于是：权重、偏置；将提取得到的特征输入到特征降维模型中，进行特征降维模型的训练；其中，特征降维模型为可自适应调整维度的自编码神经网络；将特征降维后的数据输入到分类器中进行分类器的训练，得到最终的分类器模型；其中，分类器采用极限学习机模型，并在训练过程中采用交叉式蜜罐优化算法调整极限学习机模型的权重和偏置；在各模型训练完成后，将待测设备数据作为输入，依次通过训练好的特征提取模型、训练好的特征降维模型、最终的分类器模型进行设备故障诊断。