基于粒子群和支持向量机的控制系统执行器故障诊断方法

摘要

本发明公开了一种基于多群体协同混沌模拟退火粒子群优化算法‑支持向量机(Multi‑swarm Cooperative Chaos Simulated Annealing Particle Swarm Optimization‑Support Vector Machine，MCCSAPSO‑SVM)的控制系统执行器故障诊断方法。通过联合降噪和改进经验模态分解(Empirical Mode Decomposition，EMD)方法，对采集到的执行器输出信号进行降噪处理和特征提取；利用多群体协同混沌模拟退火粒子群优化算法(MCCSAPSO)优化支持向量机结构参数，该优化方法不仅能够有效避免粒子群早熟，而且能够克服单一粒子信息交流造成的误判问题，同时提高了算法收敛速度与优化精度；采用组合核函数保证了支持向量机良好的泛化能力与学习能力；利用训练数据构建偏二叉树支持向量机，此种结构把一个复杂的多分类问题转化为若干个二分类问题，降低了计算量，提高了诊断的实时性。本发明方法对控制系统易获得的常见状态信号进行处理，通过偏二叉树支持向量机的输出，能够实时有效地判断出控制系统执行器是否发生故障，并且能够在执行器发生故障时较为准确地确定出故障类型。本发明用于高精度控制系统的实时故障诊断。