一种蜂群优化核极限学习和稀疏表示机械故障识别方法
授权
摘要
本发明公开了一种蜂群优化核极限学习和稀疏表示机械故障识别方法，用于提升机械故障识别的效率和精度。本发明结合核极限学习机的高效性优点和稀疏表示通过字典冗余捕捉信号内在本质特征的优点提出一种能够有效提高故障识别精度的核极限学习和稀疏表示的机械故障识别方法，将蜂群优化算法融入核极限学习机方法中，通过优化算法获得核极限学习机最佳模型参数进一步提升识别模型性能。输入机械信号样本首先利用蜂群优化的核极限学习机进行故障识别，对达不到预期识别结果的输入样本采用稀疏表示方法进行二次识别，从而实现快速准确的故障识别。本发明适用于机械故障识别。
基本信息
专利标题 ：
一种蜂群优化核极限学习和稀疏表示机械故障识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN111695611A
申请号 ：
CN202010458831.9
公开（公告）日 ：
2020-09-22
申请日 ：
2020-05-27
授权号 ：
CN111695611B
授权日 ：
2022-05-03
发明人 ：
李福生何星华刘治汶赵彦春张烁马捷思鲁欣
申请人 ：
电子科技大学
申请人地址 ：
四川省成都市高新区（西区）西源大道2006号
代理机构 ：
电子科技大学专利中心
代理人 ：
周刘英
优先权 ：
CN202010458831.9
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/08 G06F30/27
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-05-03 ：
授权
2020-10-20 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20200527
申请日 : 20200527
2020-09-22 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
