简介这份基于k-均值聚类、支持向量机与神经网络融合的电力变压器故障诊断MATLAB代码包面向电气工程、自动化类专业本科生和研究生可直接用于课程设计、期末大作业与毕业设计中的状态检测与故障识别场景。包内共22个文件包括8个.m源代码、8个.mat数据集、4个xlsm表格以及说明文档压缩包仅4.5MB代码采用参数化编程、结构清晰并配有训练、验证、测试数据集便于不同阶段快速切换验证。更难得的是资源提供了多种混合算法组合版本与GA优化最优解向量能帮助读者对比不同融合策略的诊断效果理解特征聚类、分类器集成与参数寻优的完整实现流程。目前已有99人学习适合从入门到进阶的算法研究者与工程实践者使用。1. 变压器故障诊断的入口为什么非要把三种算法捆在一起现场 DGA溶解气体分析数据有一个让人头疼的特点在线监测攒下来的数据很多真正带有明确故障结论的样本往往只有几百条。直接把六类故障丢给支持向量机边界区域漏判明显直接扔给神经网络样本量不够时又容易欠拟合或者训过头。k-均值聚类看似是无监督算法在混合模型里最实用的一步反而是替后面的有监督模型把训练集洗干净把工况漂移、标签错挂、检修记录不准确的样本先挑出来再让支持向量机和高斯径向基网络分别做一次决策最后在决策分数层面融合输出。这套流程对做过三比值法诊断的工程师来说价值不在于模型本身多深而在于用有限样本把低能放电、过热这几类查全率稳定提上去。下面按我实际搭过的 MATLAB 流程把数据预处理、SVM、神经网络以及最后的融合决策逐步展开。2. k-均值聚类预处理DGA 样本提纯与无监督分簇的 MATLAB 实现2.1 为什么我不直接拿原始浓度做聚类绝缘油中溶解的特征气体主要有 H2、CH4、C2H2、C2H4、C2H6必要时把 CO 也放进来。问题在于浓度跨度很大有的样本 H2 只有几个 μL/L有的能到几千直接算欧氏距离会把低浓度特征完全压掉。另一个问题是零值三比值里 C2H2/C2H4 出现 0/0 的情况很常见聚类阶段不会报错但距离会被零值样本整体拉偏。我一般先做两步固定操作先log10(X 1)压缩量级再做zscore减均值除标准差。加 1 而不是加eps是为了避免全零列产生 NaNzscore 之后六种气体处在同一量纲k-means 的平方欧氏距离才有可比性。这里不推荐相关性距离因为气体相关性在低浓度区间波动很大距离计算不稳定特别是低能放电样本本来就少再用相关性距离会把簇中心切得很碎。2.2 kmeans 与 evalclusters 的配置参数说明% gas 是 n×6 矩阵列为 H2 CH4 C2H2 C2H4 C2H6 CO单位 uL/L X zscore(log10(gas 1)); % KList 给 3:8让 evalclusters 自己选轮廓系数最优的 K eva evalclusters(X, kmeans, Silhouette, KList, 3:8); K eva.OptimalK; rng(2024); [idx, C] kmeans(X, K, ... Replicates, 10, ... MaxIter, 500, ... Distance, sqeuclidean, ... Options, statset(UseParallel, true));Replicates表示从不同初始质心出发跑 10 次取目标函数最小的结果。默认值是 1得到局部最优的概率会高很多样本量到几百条时影响很明显。MaxIter从默认 100 提到 500主要作用是让算法在 DGA 这种同一故障族内部仍有先聚成多簇的数据上多迭代几次。Distance选sqeuclidean时轮廓系数的含义是“簇内紧致度 vs 簇间分离度”和故障气体分布重叠的现实比较吻合。UseParallel只影响多核并行机器没有 Parallel Computing Toolbox 时会自动退回单核不影响结果。2.3 聚类结果与故障标签对齐这一步才是清洗k-means 在变压器诊断里的目的不是直接给结论。我更看重的做法是把聚类中心与已知故障类型的典型气体模式对齐找出标签和簇归属明显不一致的样本。dcenter sqrt(sum((X - C(idx, :)).^2, 2)); keepFlag dcenter quantile(dcenter, 0.92); Xclean X(keepFlag, :); labelClean faultLabel(keepFlag); crossTbl crosstab(idx(keepFlag), labelClean); [~, clusterLabel] max(crossTbl, [], 2); inconsistent clusterLabel(idx(keepFlag)) ~ labelClean;quantile截掉距离最远的 8% 样本这个阈值我会根据样本总量调整300 条以下一般只截 5%500 条以上能放到 10%。如果一次清洗剔除超过 20%说明原始数据和故障标签的口径有系统性问题先回去查检修记录而不是继续调阈值。crosstab用来生成簇与原始故障标签的交叉表max的第二输出是每个簇中出现次数最多的标签。这个逻辑做完后inconsistent标记出的样本不直接删而是放进一个单独名单后面融合诊断时可以专门观察。气体组分信号含义阈值敏感点H2局放、低能放电含量低但波动大CH4低温热分解与 C2H6 比值易重叠C2H2高能放电特征阈值极低易漏检C2H4中高温过热特征数值偏高时类别重叠C2H6伴生气区分度一般CO涉及固体绝缘过热不是严格油中溶解气体特征选择时要注意CO 对热故障有一定指示但它的产生机理涉及纤维素老化现场取样受工况影响大。我一般单独保留 CO 做参考不放进聚类特征里避免和油中溶解气体的主成分抢占距离权重。3. 支持向量机做故障分类特征降维与 fitcecoc 参数实战3.1 给 SVM 不是特征越多越好三比值与连续值编码支持向量机在小样本场景靠的是“少数支持向量撑住决策边界”特征维度一多样本在空间里变稀疏边界反而更容易被噪声带偏。所以 DGA 加 SVM 的场景我通常不用六种气体全量输入而是吃三比值。IEC 60599 的三比值是 C2H2/C2H4、CH4/H2、C2H4/C2H6经典做法把它们编码成 0、1、2 再查表。但编码会损失数值上的边界信息比值从 0.9 到 1.1 可能被编成两个完全不同的码SVM 学不到“靠近边界”的梯度。这里直接用连续比值不转码交给 SVM 去学边界。为了让零值不产生 NaN加一行平稳处理r [c2h2 ./ c2h4, ch4 ./ h2, c2h4 ./ c2h6]; r(~isfinite(r)) 1e-3; cvp cvpartition(labelClean, Holdout, 0.25); trainIdx find(cvp.training()); testIdx find(cvp.test()); rTrain r(trainIdx, :); rTest r(testIdx, :); labelTrain labelClean(trainIdx); labelTest labelClean(testIdx);~isfinite同时处理 0/0 和分子为零的两种情形统一置成 1e-3。这里不能用epseps在 2-52 量级会让 SVM 的核计算把这几条样本当成离群点。Holdout切分先留出 25% 做独立测试避免后面对同一批数据既调参又评估。3.2 fitcecoc 一对多还是一对一多分类支持向量机在 MATLAB 里直接对fitcsvm写多分类循环很笨fitcecoc已经封装好纠错输出编码。DGA 常见的七类输出包括正常、局放、低能放电、高能放电、低温过热、中温过热、高温过热用onevsone编码会让每个子分类器面对样本更均衡。t templateSVM(KernelFunction, rbf, ... BoxConstraint, 4, ... KernelScale, 1.1); svmMdl fitcecoc(rTrain, labelTrain, ... Learners, t, ... Coding, onevsone, ... Options, statset(UseParallel, true)); cvsvm crossval(svmMdl, KFold, 5); kfoldLoss(cvsvm)RBF 核在这里比较合适因为三比值和故障类型之间不是线性可分但决策边界在原始空间还是相对平滑的。BoxConstraint我一般从 1 到 10 试太大模型会把少数样本当支撑点训练集准确率很高但换一台变压器的数据就掉点。KernelScale初始给 1 附近对应三比值都是无量纲量、数量级接近的情况。交叉验证结果如果 kfoldLoss 大于 0.2先别急着调参画混淆矩阵看是哪几类在互相串。核函数小样本 DGA 的表现我的取舍linear分不开热故障与放电重叠区快速验证用rbf容易配合交叉验证调出稳定边界默认首选polynomial容易让类别边界外扩只在特征量纲简单时用3.3 fitPosterior 与决策分数输出fitcecoc的predict默认输出是分类分数不是概率。要做后面和神经网络融合最好先把分数转成后验概率。MATLAB 里用fitPosterior包一层它会用 Platt scaling 把决策值映射到概率区间。% fitPosterior 的输入数据必须与 svmMdl 训练数据一致 svmPost fitPosterior(svmMdl, rTrain, labelTrain); [~, scoreSVM] predict(svmPost, rTest);很多人在这一步踩坑直接用原始svmMdl的分数做 softmax 归一化再拿去做加权融合。分数分布在不同类别上不均衡softmax 会放大高分类别。接fitPosterior之后分数才有概率语义融合权重才谈得上物理意义。4. 神经网络做边界复核结构设计、训练函数与融合决策4.1 前馈网络够用为什么我不一上来就上 BiLSTMDGA 样本不是严格等间隔时序尤其是离线取油样两次取样可能隔几个月。这种数据拿去做 BiLSTM模型会把取样间隔当成时间步特征来学反而引入无关模式。神经网络在变压器故障诊断里的角色不需要很强的时序建模前馈网络做边界样本的二次判断更妥当。用 MATLAB 的patternnet搭前馈分类网络输入特征是六种气体的对数浓度加上三比值一共九维。这样 SVM 用三比值神经网络用原始气体加比值两个模型看到的信息面不同融合才有互补意义。网络结构我一般给两层隐层宽度不用大Xnn [log10(gas 1), r]; rng(8); restIdx setdiff(1:numel(labelClean), testIdx); valIdx restIdx(randperm(numel(restIdx), round(numel(restIdx) * 0.2))); trainIdxNet setdiff(restIdx, valIdx); net patternnet([12, 8], trainscg); net.divideFcn divideind; net.divideParam.trainInd trainIdxNet; net.divideParam.valInd valIdx; net.divideParam.testInd testIdx; net.trainParam.epochs 800; net.trainParam.goal 1e-5; net.trainParam.max_fail 20; [net, tr] train(net, Xnn, ind2vec(labelClean));trainscg是缩放共轭梯度内存占用低适合几百条的小样本。数据严格等间隔、样本量上到几千时换trainlm收敛更快但小数据集上 Levenberg-Marquardt 比trainscg更容易陷进过拟合。divideind指定训练、验证、测试索引关键是测试集必须沿用 SVM 留出的testIdx保证两个模型面对同一个没见过的一批样本。max_fail等于 20意味着验证误差连续 20 个 epoch 不下降就早停这对防止过拟合比调网络宽度更有效。4.2 看训练输出不能只盯着 losstrain之后 MATLAB 会弹出训练窗口我更关注的是验证曲线和测试曲线的间距。两条线如果越到后面分得越开说明结构还是大需要把隐层神经元从 12 减到 8。Ynet net(Xnn); netProb Ynet; netProb netProb ./ sum(netProb, 2); [~, labelNet] max(netProb, [], 2);patternnet默认输出层的激活函数是 softmax网络输出天然落在 0 到 1 区间。但输出节点之间不一定完全归一化所以我还是做了行归一化。这里有个常见误用直接拿max(Ynet)当作置信度在多分类里max只能用来取类别不能代表判断可靠程度参与融合前必须做概率归一化。4.3 和支持向量机的加权融合按类别给权重融合的出发点很简单SVM 对边界附近样本的决策分数往往不稳定前馈网络对这类样本可能给出更平滑的置信度反过来网络在样本很少的类别上容易整体偏向大类这时 SVM 反而稳定。w 0.6; fusedProb w * scoreSVM (1 - w) * netProb(testIdx, :); [~, fusedLabel] max(fusedProb, [], 2);w给到 0.6是因为 SVM 在小样本分类里整体更稳。但更讲究一点我会按类别分别给权重低能放电这类样本少又容易漏的类w降到 0.45神经网络输出占主导正常状态样本占比大SVM 权重提到 0.75。权重不放进脚本里写死而是放在配置结构体里后面调试只看参数不看逻辑。5. 组合模型落地MATLAB 主流程、结果输出与文件组织5.1 从 zip 解压后的 MATLAB 工程先分四块带 matlab 代码字样和 zip 后缀的项目常见的问题是解压后所有脚本平铺在一个目录里数据、模型、输出混在一起换一台机器跑就得改一堆路径。我习惯把功能拆成四个目录data放原始 CSVm放函数脚本output放模型和报表根目录只放一个run_main.m和一个config_params.m。文件作用config_params.m聚类 K、清洗阈值、SVM 参数、网络权重loadDGA.m读取 DGA 数据并做单位换算featureBuild.m生成三比值和网络输入特征trainSVM.m训练 fitcecoc 并输出后验模型trainNN.m训练 patternnet 并返回输出概率predictFault.m新数据预测入口config_params.m用 MATLAB 脚本直接写参数赋值比 JSON 方便免去解析开销rootDir fileparts(mfilename(fullpath)); params.K 6; params.cleanThr 0.92; params.svmBox 4; params.svmKernelScale 1.1; params.weightSVM 0.6; params.nnHiddens [12, 8]; params.outDir fullfile(rootDir, output);5.2 主脚本只做编排不写算法细节% run_main.m run(config_params.m); [Xraw, labelRaw] loadDGA(fullfile(params.rootDir, data, dga_train.csv)); [Xclean, labelClean] cleanByCluster(Xraw, labelRaw, params); [gasClean, rClean] featureBuild(Xclean); svmMdl trainSVM(rClean, labelClean, params); net trainNN(gasClean, rClean, labelClean, params); save(fullfile(params.outDir, modelBundle.mat), ... svmMdl, net, gasClean, rClean, labelClean, params);cleanByCluster里面对应第 2 章的聚类清洗featureBuild返回对数气体和连续三比值。主脚本里出现的变量越少越不容易出现“训练完发现标号顺序对不上”的问题。另一个关键点是rng的种子要放到主脚本开头固定划分才能让每次跑批结果可以复现。5.3 预测接口与批次输出function labels predictFault(Xnew, params) s load(fullfile(params.outDir, modelBundle.mat)); gasNew log10(Xnew 1); rNew [Xnew(:,3) ./ Xnew(:,4), ... Xnew(:,2) ./ Xnew(:,1), ... Xnew(:,4) ./ Xnew(:,5)]; rNew(~isfinite(rNew)) 1e-3; [~, svmScore] predict(s.svmMdl, rNew); netProb s.net(gasNew); netProb netProb ./ sum(netProb, 2); fused params.weightSVM * svmScore ... (1 - params.weightSVM) * netProb; [~, labels] max(fused, [], 2); end预测函数里重新做一遍特征变换是为避免训练脚本中手工构造的特征顺序在换人维护时被改乱。路径用fullfile拼接移动整个工程目录后不会因为斜杠方向或相对路径出问题。批量预测时把Xnew按批读入一次函数调用返回labels方便写进 CSV 报表。6. 故障误判的调试技巧从混淆矩阵到权重修正6.1 先看每类查全率再谈总体精度总体准确率在故障诊断里会骗人。正常样本如果占 60%模型把所有故障都判成正常也能有 60% 准确率这对实际排查没有价值。我第一件事是出混淆矩阵cm confusionmat(labelTest, fusedLabel); recall diag(cm) ./ sum(cm, 2); precision diag(cm) ./ sum(cm, 1); disp(array2table([recall, precision], ... VariableNames, {Recall, Precision}, ... RowNames, faultTypeNames));查全率低的类别才是调试入口。DGA 诊断里最典型的是低能放电 D1C2H2 含量本来就低很容易在 k-means 阶段被并进过热簇清洗阈值 0.92 可能把一半 D1 样本当成离群点删掉。遇到这类情况我不会先去改 SVM 参数而是把params.cleanThr从 0.92 调到 0.96保留更多边界样本。6.2 聚类、SVM、神经网络三段各看一个证据一段判定是聚类清洗有没有把故障类别削掉在cleanByCluster返回之前打印清洗前后各类别样本数如果某个类少了 20% 以上优先调阈值而不是调模型。二段看 SVM 的决策分数对误判样本打印scoreSVM中最大两个值如果差值小于 0.1说明边界不可分不是参数问题。三段看网络输出把netProb的 Top2 也打印出来如果和 SVM 的 Top2 不一致说明两个模型学到的特征侧重点确实不同融合起效如果两边错在同一类就是特征本身缺失需要回到气体特征选择上。6.3 一个直接的权重修正技巧按漏检类别单独拉权重数据切分固定后调试最多三轮就应该收敛params.weightSVM 0.6; params.weightNetForD1 0.55;执行时在predictFault里针对 D1 类做一次软修正当 SVM 最高概率类别不是 D1但神经网络给出的 D1 概率排在第二且超过 0.25就把融合权重临时偏向网络输出。这个技巧依赖fitPosterior的输出必须确保后验模型训练通过否则分数没有可比性。调完后把新的权重写回config_params.m而不是在函数里硬编码这样跑批实验时每次只改一个文件。本文还有配套的精品资源点击获取
简介这份基于k-均值聚类、支持向量机与神经网络融合的电力变压器故障诊断MATLAB代码包面向电气工程、自动化类专业本科生和研究生可直接用于课程设计、期末大作业与毕业设计中的状态检测与故障识别场景。包内共22个文件包括8个.m源代码、8个.mat数据集、4个xlsm表格以及说明文档压缩包仅4.5MB代码采用参数化编程、结构清晰并配有训练、验证、测试数据集便于不同阶段快速切换验证。更难得的是资源提供了多种混合算法组合版本与GA优化最优解向量能帮助读者对比不同融合策略的诊断效果理解特征聚类、分类器集成与参数寻优的完整实现流程。目前已有99人学习适合从入门到进阶的算法研究者与工程实践者使用。1. 变压器故障诊断的入口为什么非要把三种算法捆在一起现场 DGA溶解气体分析数据有一个让人头疼的特点在线监测攒下来的数据很多真正带有明确故障结论的样本往往只有几百条。直接把六类故障丢给支持向量机边界区域漏判明显直接扔给神经网络样本量不够时又容易欠拟合或者训过头。k-均值聚类看似是无监督算法在混合模型里最实用的一步反而是替后面的有监督模型把训练集洗干净把工况漂移、标签错挂、检修记录不准确的样本先挑出来再让支持向量机和高斯径向基网络分别做一次决策最后在决策分数层面融合输出。这套流程对做过三比值法诊断的工程师来说价值不在于模型本身多深而在于用有限样本把低能放电、过热这几类查全率稳定提上去。下面按我实际搭过的 MATLAB 流程把数据预处理、SVM、神经网络以及最后的融合决策逐步展开。2. k-均值聚类预处理DGA 样本提纯与无监督分簇的 MATLAB 实现2.1 为什么我不直接拿原始浓度做聚类绝缘油中溶解的特征气体主要有 H2、CH4、C2H2、C2H4、C2H6必要时把 CO 也放进来。问题在于浓度跨度很大有的样本 H2 只有几个 μL/L有的能到几千直接算欧氏距离会把低浓度特征完全压掉。另一个问题是零值三比值里 C2H2/C2H4 出现 0/0 的情况很常见聚类阶段不会报错但距离会被零值样本整体拉偏。我一般先做两步固定操作先log10(X 1)压缩量级再做zscore减均值除标准差。加 1 而不是加eps是为了避免全零列产生 NaNzscore 之后六种气体处在同一量纲k-means 的平方欧氏距离才有可比性。这里不推荐相关性距离因为气体相关性在低浓度区间波动很大距离计算不稳定特别是低能放电样本本来就少再用相关性距离会把簇中心切得很碎。2.2 kmeans 与 evalclusters 的配置参数说明% gas 是 n×6 矩阵列为 H2 CH4 C2H2 C2H4 C2H6 CO单位 uL/L X zscore(log10(gas 1)); % KList 给 3:8让 evalclusters 自己选轮廓系数最优的 K eva evalclusters(X, kmeans, Silhouette, KList, 3:8); K eva.OptimalK; rng(2024); [idx, C] kmeans(X, K, ... Replicates, 10, ... MaxIter, 500, ... Distance, sqeuclidean, ... Options, statset(UseParallel, true));Replicates表示从不同初始质心出发跑 10 次取目标函数最小的结果。默认值是 1得到局部最优的概率会高很多样本量到几百条时影响很明显。MaxIter从默认 100 提到 500主要作用是让算法在 DGA 这种同一故障族内部仍有先聚成多簇的数据上多迭代几次。Distance选sqeuclidean时轮廓系数的含义是“簇内紧致度 vs 簇间分离度”和故障气体分布重叠的现实比较吻合。UseParallel只影响多核并行机器没有 Parallel Computing Toolbox 时会自动退回单核不影响结果。2.3 聚类结果与故障标签对齐这一步才是清洗k-means 在变压器诊断里的目的不是直接给结论。我更看重的做法是把聚类中心与已知故障类型的典型气体模式对齐找出标签和簇归属明显不一致的样本。dcenter sqrt(sum((X - C(idx, :)).^2, 2)); keepFlag dcenter quantile(dcenter, 0.92); Xclean X(keepFlag, :); labelClean faultLabel(keepFlag); crossTbl crosstab(idx(keepFlag), labelClean); [~, clusterLabel] max(crossTbl, [], 2); inconsistent clusterLabel(idx(keepFlag)) ~ labelClean;quantile截掉距离最远的 8% 样本这个阈值我会根据样本总量调整300 条以下一般只截 5%500 条以上能放到 10%。如果一次清洗剔除超过 20%说明原始数据和故障标签的口径有系统性问题先回去查检修记录而不是继续调阈值。crosstab用来生成簇与原始故障标签的交叉表max的第二输出是每个簇中出现次数最多的标签。这个逻辑做完后inconsistent标记出的样本不直接删而是放进一个单独名单后面融合诊断时可以专门观察。气体组分信号含义阈值敏感点H2局放、低能放电含量低但波动大CH4低温热分解与 C2H6 比值易重叠C2H2高能放电特征阈值极低易漏检C2H4中高温过热特征数值偏高时类别重叠C2H6伴生气区分度一般CO涉及固体绝缘过热不是严格油中溶解气体特征选择时要注意CO 对热故障有一定指示但它的产生机理涉及纤维素老化现场取样受工况影响大。我一般单独保留 CO 做参考不放进聚类特征里避免和油中溶解气体的主成分抢占距离权重。3. 支持向量机做故障分类特征降维与 fitcecoc 参数实战3.1 给 SVM 不是特征越多越好三比值与连续值编码支持向量机在小样本场景靠的是“少数支持向量撑住决策边界”特征维度一多样本在空间里变稀疏边界反而更容易被噪声带偏。所以 DGA 加 SVM 的场景我通常不用六种气体全量输入而是吃三比值。IEC 60599 的三比值是 C2H2/C2H4、CH4/H2、C2H4/C2H6经典做法把它们编码成 0、1、2 再查表。但编码会损失数值上的边界信息比值从 0.9 到 1.1 可能被编成两个完全不同的码SVM 学不到“靠近边界”的梯度。这里直接用连续比值不转码交给 SVM 去学边界。为了让零值不产生 NaN加一行平稳处理r [c2h2 ./ c2h4, ch4 ./ h2, c2h4 ./ c2h6]; r(~isfinite(r)) 1e-3; cvp cvpartition(labelClean, Holdout, 0.25); trainIdx find(cvp.training()); testIdx find(cvp.test()); rTrain r(trainIdx, :); rTest r(testIdx, :); labelTrain labelClean(trainIdx); labelTest labelClean(testIdx);~isfinite同时处理 0/0 和分子为零的两种情形统一置成 1e-3。这里不能用epseps在 2-52 量级会让 SVM 的核计算把这几条样本当成离群点。Holdout切分先留出 25% 做独立测试避免后面对同一批数据既调参又评估。3.2 fitcecoc 一对多还是一对一多分类支持向量机在 MATLAB 里直接对fitcsvm写多分类循环很笨fitcecoc已经封装好纠错输出编码。DGA 常见的七类输出包括正常、局放、低能放电、高能放电、低温过热、中温过热、高温过热用onevsone编码会让每个子分类器面对样本更均衡。t templateSVM(KernelFunction, rbf, ... BoxConstraint, 4, ... KernelScale, 1.1); svmMdl fitcecoc(rTrain, labelTrain, ... Learners, t, ... Coding, onevsone, ... Options, statset(UseParallel, true)); cvsvm crossval(svmMdl, KFold, 5); kfoldLoss(cvsvm)RBF 核在这里比较合适因为三比值和故障类型之间不是线性可分但决策边界在原始空间还是相对平滑的。BoxConstraint我一般从 1 到 10 试太大模型会把少数样本当支撑点训练集准确率很高但换一台变压器的数据就掉点。KernelScale初始给 1 附近对应三比值都是无量纲量、数量级接近的情况。交叉验证结果如果 kfoldLoss 大于 0.2先别急着调参画混淆矩阵看是哪几类在互相串。核函数小样本 DGA 的表现我的取舍linear分不开热故障与放电重叠区快速验证用rbf容易配合交叉验证调出稳定边界默认首选polynomial容易让类别边界外扩只在特征量纲简单时用3.3 fitPosterior 与决策分数输出fitcecoc的predict默认输出是分类分数不是概率。要做后面和神经网络融合最好先把分数转成后验概率。MATLAB 里用fitPosterior包一层它会用 Platt scaling 把决策值映射到概率区间。% fitPosterior 的输入数据必须与 svmMdl 训练数据一致 svmPost fitPosterior(svmMdl, rTrain, labelTrain); [~, scoreSVM] predict(svmPost, rTest);很多人在这一步踩坑直接用原始svmMdl的分数做 softmax 归一化再拿去做加权融合。分数分布在不同类别上不均衡softmax 会放大高分类别。接fitPosterior之后分数才有概率语义融合权重才谈得上物理意义。4. 神经网络做边界复核结构设计、训练函数与融合决策4.1 前馈网络够用为什么我不一上来就上 BiLSTMDGA 样本不是严格等间隔时序尤其是离线取油样两次取样可能隔几个月。这种数据拿去做 BiLSTM模型会把取样间隔当成时间步特征来学反而引入无关模式。神经网络在变压器故障诊断里的角色不需要很强的时序建模前馈网络做边界样本的二次判断更妥当。用 MATLAB 的patternnet搭前馈分类网络输入特征是六种气体的对数浓度加上三比值一共九维。这样 SVM 用三比值神经网络用原始气体加比值两个模型看到的信息面不同融合才有互补意义。网络结构我一般给两层隐层宽度不用大Xnn [log10(gas 1), r]; rng(8); restIdx setdiff(1:numel(labelClean), testIdx); valIdx restIdx(randperm(numel(restIdx), round(numel(restIdx) * 0.2))); trainIdxNet setdiff(restIdx, valIdx); net patternnet([12, 8], trainscg); net.divideFcn divideind; net.divideParam.trainInd trainIdxNet; net.divideParam.valInd valIdx; net.divideParam.testInd testIdx; net.trainParam.epochs 800; net.trainParam.goal 1e-5; net.trainParam.max_fail 20; [net, tr] train(net, Xnn, ind2vec(labelClean));trainscg是缩放共轭梯度内存占用低适合几百条的小样本。数据严格等间隔、样本量上到几千时换trainlm收敛更快但小数据集上 Levenberg-Marquardt 比trainscg更容易陷进过拟合。divideind指定训练、验证、测试索引关键是测试集必须沿用 SVM 留出的testIdx保证两个模型面对同一个没见过的一批样本。max_fail等于 20意味着验证误差连续 20 个 epoch 不下降就早停这对防止过拟合比调网络宽度更有效。4.2 看训练输出不能只盯着 losstrain之后 MATLAB 会弹出训练窗口我更关注的是验证曲线和测试曲线的间距。两条线如果越到后面分得越开说明结构还是大需要把隐层神经元从 12 减到 8。Ynet net(Xnn); netProb Ynet; netProb netProb ./ sum(netProb, 2); [~, labelNet] max(netProb, [], 2);patternnet默认输出层的激活函数是 softmax网络输出天然落在 0 到 1 区间。但输出节点之间不一定完全归一化所以我还是做了行归一化。这里有个常见误用直接拿max(Ynet)当作置信度在多分类里max只能用来取类别不能代表判断可靠程度参与融合前必须做概率归一化。4.3 和支持向量机的加权融合按类别给权重融合的出发点很简单SVM 对边界附近样本的决策分数往往不稳定前馈网络对这类样本可能给出更平滑的置信度反过来网络在样本很少的类别上容易整体偏向大类这时 SVM 反而稳定。w 0.6; fusedProb w * scoreSVM (1 - w) * netProb(testIdx, :); [~, fusedLabel] max(fusedProb, [], 2);w给到 0.6是因为 SVM 在小样本分类里整体更稳。但更讲究一点我会按类别分别给权重低能放电这类样本少又容易漏的类w降到 0.45神经网络输出占主导正常状态样本占比大SVM 权重提到 0.75。权重不放进脚本里写死而是放在配置结构体里后面调试只看参数不看逻辑。5. 组合模型落地MATLAB 主流程、结果输出与文件组织5.1 从 zip 解压后的 MATLAB 工程先分四块带 matlab 代码字样和 zip 后缀的项目常见的问题是解压后所有脚本平铺在一个目录里数据、模型、输出混在一起换一台机器跑就得改一堆路径。我习惯把功能拆成四个目录data放原始 CSVm放函数脚本output放模型和报表根目录只放一个run_main.m和一个config_params.m。文件作用config_params.m聚类 K、清洗阈值、SVM 参数、网络权重loadDGA.m读取 DGA 数据并做单位换算featureBuild.m生成三比值和网络输入特征trainSVM.m训练 fitcecoc 并输出后验模型trainNN.m训练 patternnet 并返回输出概率predictFault.m新数据预测入口config_params.m用 MATLAB 脚本直接写参数赋值比 JSON 方便免去解析开销rootDir fileparts(mfilename(fullpath)); params.K 6; params.cleanThr 0.92; params.svmBox 4; params.svmKernelScale 1.1; params.weightSVM 0.6; params.nnHiddens [12, 8]; params.outDir fullfile(rootDir, output);5.2 主脚本只做编排不写算法细节% run_main.m run(config_params.m); [Xraw, labelRaw] loadDGA(fullfile(params.rootDir, data, dga_train.csv)); [Xclean, labelClean] cleanByCluster(Xraw, labelRaw, params); [gasClean, rClean] featureBuild(Xclean); svmMdl trainSVM(rClean, labelClean, params); net trainNN(gasClean, rClean, labelClean, params); save(fullfile(params.outDir, modelBundle.mat), ... svmMdl, net, gasClean, rClean, labelClean, params);cleanByCluster里面对应第 2 章的聚类清洗featureBuild返回对数气体和连续三比值。主脚本里出现的变量越少越不容易出现“训练完发现标号顺序对不上”的问题。另一个关键点是rng的种子要放到主脚本开头固定划分才能让每次跑批结果可以复现。5.3 预测接口与批次输出function labels predictFault(Xnew, params) s load(fullfile(params.outDir, modelBundle.mat)); gasNew log10(Xnew 1); rNew [Xnew(:,3) ./ Xnew(:,4), ... Xnew(:,2) ./ Xnew(:,1), ... Xnew(:,4) ./ Xnew(:,5)]; rNew(~isfinite(rNew)) 1e-3; [~, svmScore] predict(s.svmMdl, rNew); netProb s.net(gasNew); netProb netProb ./ sum(netProb, 2); fused params.weightSVM * svmScore ... (1 - params.weightSVM) * netProb; [~, labels] max(fused, [], 2); end预测函数里重新做一遍特征变换是为避免训练脚本中手工构造的特征顺序在换人维护时被改乱。路径用fullfile拼接移动整个工程目录后不会因为斜杠方向或相对路径出问题。批量预测时把Xnew按批读入一次函数调用返回labels方便写进 CSV 报表。6. 故障误判的调试技巧从混淆矩阵到权重修正6.1 先看每类查全率再谈总体精度总体准确率在故障诊断里会骗人。正常样本如果占 60%模型把所有故障都判成正常也能有 60% 准确率这对实际排查没有价值。我第一件事是出混淆矩阵cm confusionmat(labelTest, fusedLabel); recall diag(cm) ./ sum(cm, 2); precision diag(cm) ./ sum(cm, 1); disp(array2table([recall, precision], ... VariableNames, {Recall, Precision}, ... RowNames, faultTypeNames));查全率低的类别才是调试入口。DGA 诊断里最典型的是低能放电 D1C2H2 含量本来就低很容易在 k-means 阶段被并进过热簇清洗阈值 0.92 可能把一半 D1 样本当成离群点删掉。遇到这类情况我不会先去改 SVM 参数而是把params.cleanThr从 0.92 调到 0.96保留更多边界样本。6.2 聚类、SVM、神经网络三段各看一个证据一段判定是聚类清洗有没有把故障类别削掉在cleanByCluster返回之前打印清洗前后各类别样本数如果某个类少了 20% 以上优先调阈值而不是调模型。二段看 SVM 的决策分数对误判样本打印scoreSVM中最大两个值如果差值小于 0.1说明边界不可分不是参数问题。三段看网络输出把netProb的 Top2 也打印出来如果和 SVM 的 Top2 不一致说明两个模型学到的特征侧重点确实不同融合起效如果两边错在同一类就是特征本身缺失需要回到气体特征选择上。6.3 一个直接的权重修正技巧按漏检类别单独拉权重数据切分固定后调试最多三轮就应该收敛params.weightSVM 0.6; params.weightNetForD1 0.55;执行时在predictFault里针对 D1 类做一次软修正当 SVM 最高概率类别不是 D1但神经网络给出的 D1 概率排在第二且超过 0.25就把融合权重临时偏向网络输出。这个技巧依赖fitPosterior的输出必须确保后验模型训练通过否则分数没有可比性。调完后把新的权重写回config_params.m而不是在函数里硬编码这样跑批实验时每次只改一个文件。本文还有配套的精品资源点击获取
