[2018年最新整理]3状态识别.pptVIP

状态识别与判决方法原理 贝叶斯决策理论方法-分类 一、最小错误率的贝叶斯决策规则 根据贝叶斯公式，可得上式的等价形式 Bayes判别方法是基于最小错误率。错误率是分类性能好坏的一种度量，它是指平均错误率，用P(e)表示，其定义为 正常状态 异常状态 参看例4-2 状态识别与判决方法原理 贝叶斯决策理论方法-分类 一、最小错误率的贝叶斯决策规则 式中 表示在整个n维特征空间积分。对两类问题，由决策规则可知：当p(ω1/x)p(ω2/x)时，应决策为ω2。在作出决策时，x的条件错误概率为p(ω1/x)，反之为p(ω2/x)。可表示为 状态识别与判决方法原理 贝叶斯决策理论方法-分类 二、最小损失风险的贝叶斯决策规则 故障诊断误判 正品 次品 次品 正品 严 重 后 果 损失函数 设决策方法为αj,任一损失函数Lij,，对给定的x其相应的概率为P(ωi/x)，则采用决策αj时的条件期望损失 有错误但不一定产生严重后果 状态识别与判决方法原理 距离函数分类法-概念 由N个特征参数组成的特征矢量相当于N维特征空间上的一个点。研究证明同类状态的模式点具有聚类性，不同类状态的模式点则有各自的聚类域和聚类中心。如果能事先知道各类状态的模式点的聚类域作为参考模式，则可将待测模式与参考模式间的距离作为判别函数，判别待测状态的属性。 状态识别与判决方法原理 距离函数分类法-概念 （1）欧氏距离函数 欧氏空间中，设矢量X=(x1,x2,…,xn)T ，Z=(z1,z2,…,zn)T 两相点间的距离越近，表示相似性越大，则可认为属于同一类别，这种距离称为欧氏距离，由下式表示 一、空间距离函数 式中 Z－标准模式矢量； X－待检矢量； τ－矩阵转置。 状态识别与判决方法原理 距离函数分类法-概念 欧氏距离不受坐标旋转、平移的影响。为避免坐标尺度对分类结果的影响，可在计算欧氏距离之前先对特征参数进行归一化处理，即 式中，xmin , xmax分别为特征参数的最大值和最小值。 考虑到特征矢量中的诸分量对分类所起的作用不同，可采用加权方法，构造加权欧氏距离 式中，W为权系数矩阵。 状态识别与判决方法原理 距离函数分类法-概念 （2）马氏距离函数（Mahalanobis distance） 式中，R为X与Z的协方差矩阵，即 马氏距离排除了特征参数之间的相互影响。 状态识别与判决方法原理 距离函数分类法-概念 （3）空间距离的应用 以时间序列模型参数作为特征而得到参差偏移的距离函数为例。 设待检模型残差AT=XTΦT,将其代入参考模型XRΦR=AR中，得残差ART=XTΦR 定义ART － AT为残差偏移距离，物理意义是表示待测模型与参考模型的近似度。 设自回归AR模型矩阵形式 式中，X为时序样本矩阵；Φ为自回归系数矢量；A为参差矢量，可得参差平方和 式中，R=XTX为样本自相关函数。 状态识别与判决方法原理 距离函数分类法-概念 于是有 从距离函数的意义上讲，残差偏移距离实质上是以自协方差矩阵为权矩阵的欧氏距离。 定义残差偏移距离 式中，RT为待检序列的自协方差函数，其表达式为 状态识别与判决方法原理 距离函数分类法-概念 定义： 相似性指标是在进行聚类分析时衡量两个特征矢量是否属于同一类的统计量。待检状态应归入相似性指标（相似性距离最小）最大的状态类别。 二、相似性指标 （1）角相似性指标（余弦度量） 状态识别与判决方法原理 距离函数分类法-概念 （1）角相似性指标（余弦度量） 或 式中，|| ||表示对矢量取模。 Sc是特征矢量X和Z之间夹角的余弦，夹角为零则取值为1。 （2）相关系数 状态识别与判决方法原理 距离函数分类法-概念 四、故障诊断中应用距离函数时应注意的问题 1）上述各种判别方法的共同思路是在机器运行状态下，用某种表达工况的特征矢量作为训练样本，求得在各种状态下模式点的聚类中心，将对应于这些聚类中心的特征矢量作为标准模式，分别计算待检样本到该聚类中心的距离，按最近邻准则确定其状态属性。对于两类问题，这种十分有效，但对于多类问题，就存在困难。 2）即使对两类问题，在应用时往往也有各种不同的困难，例如标准模式样本不一定很容易获得，特别是异常工况样本的聚类性很差，所求的聚类中心不一定能代表该类状态的属性。 河南工业大学机电学院 第4章 状态识别与判决方法原理 1.了解状态识别的基本原理 2.掌握主分量分析、贝叶斯判别、距离函数等识别方法。 本章学习要求 机械故障诊断技术