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！

申请/专利权人：哈尔滨工业大学

摘要：本发明公开了一种基于机器学习与置信率的密封继电器重叠信号识别方法，首先，以密封继电器样本集一为研究对象，通过数据获取、信号预处理、特征提取、数据集构建、模型训练、参数优化等步骤，训练一个最优识别模型。其次，以密封继电器样本集二为研究对象，通过数据获取、信号预处理、特征提取、重叠集合构建、置信率计算等步骤，得到一个标准置信率。最后，以待测密封继电器为研究对象，通过数据获取、信号预处理、特征提取等步骤，构建多个待测集合，利用最优识别模型分别进行预测。根据预测结果，计算多个待测集合的置信率，与标准置信率进行对比，综合分析后得到重叠信号识别结果。本发明有效提升了密封继电器多余物检测的可靠性。

主权项：1.一种基于机器学习与置信率的密封继电器重叠信号识别方法，其特征在于所述方法包括如下步骤：步骤一：根据真实应用场景下从密封继电器中检测出的多余物的属性，制作密封继电器样本集一，并对样本分别进行编号，其中：不包含多余物但包含松动组件的样本的编号为0，不包含松动组件但包含第一种材质的多余物的样本的编号为1，不包含松动组件但包含第二种材质的多余物的样本的编号为2，……，不包含松动组件但包含第N种材质的多余物的样本的编号为N；步骤二：根据步骤一中的编号依次对密封继电器样本集一中的样本开展PIND检测，分别获取并保存一段单音信号，在最后一个样本完成PIND检测后，完整的一轮试验结束，得到多段单音信号；通过重复多轮试验，得到对应各样本的多段单音信号；步骤三：从多域提取适用的声音特征，建立声音特征库；对单音信号进行分帧处理与脉冲提取，从每个帧信号上计算特征数值，并添加标签，得到多条数据，其中：归属组件信号的数据的标签被设置为“0”，归属多余物信号的数据的标签被设置为“1”，由这两类标签的数据构建识别数据集；步骤四：分别在识别数据集上训练多个分类器，比较得出表现最好的分类器；借助网格搜索法，对该分类器的内部参数进行优化，使其分类性能达到最优，由此得到最优分类器，称为最优识别模型；步骤五：参考步骤一，制作密封继电器样本集二，并对样本分别进行编号，其中：同时包含第一种材质的多余物与松动组件的样本的编号为1，同时包含第二种材质的多余物与松动组件的样本的编号为2，……，同时包含第N种材质的多余物与松动组件的样本的编号为N；步骤六：根据步骤五中的编号依次对密封继电器样本集二中的样本开展PIND检测，分别获取并保存一段重叠信号，在最后一个样本完成PIND检测后，完整的一轮试验结束，得到多段重叠信号；通过重复多轮试验，得到对应各样本的多段重叠信号；步骤七：对重叠信号进行分帧处理与脉冲提取，从每个帧信号上计算步骤三中声音特征库的特征数值，得到多条不带标签的数据；属于同一个帧信号组合的多条不带标签的数据构建一个重叠集合，由此构建多个重叠集合，分别命名为重叠集合1，重叠集合2，……，重叠集合N；步骤八：使用步骤四得到的最优识别模型分别对重叠集合进行预测，计算每个重叠集合中标签被预测为“0”的数据个数占总数据个数的比值，称为置信率，由此得到多个置信率；取所有置信率的下限，得到标准置信率；步骤九：对待测密封继电器开展PIND检测，获取并保存一段待测信号；步骤十：对待测信号进行分帧处理与脉冲提取，从每个帧信号上计算步骤三中声音特征库的特征数值，得到多条不带标签的数据；属于同一个帧信号组合的多条不带标签的数据构建一个待测集合，由此构建多个待测集合，分别命名为待测集合1，待测集合2，……，待测集合N；步骤十一：使用步骤四得到的最优识别模型依次对待测集合进行预测，计算每个待测集合的置信率，由此得到多个置信率；依次比较当前计算的置信率与标准置信率，如果所有当前计算的置信率均大于标准置信率，则表明当前待测信号中不存在重叠信号，如果有大于一个的当前计算的置信率小于标准置信率，则表明当前待测信号中存在重叠信号。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于机器学习与置信率的密封继电器重叠信号识别方法