基于AR模型和字典学习的齿轮性能退化评估方法

授权

摘要

本发明公开了一种基于AR模型和字典学习的齿轮性能退化评估方法。首先，用自回归模型（AR）提取无故障样本和待测样本的特征，并使用无故障样本的AR模型系数构建过完备字典模型，然后将待测样本的AR模型系数作为特征向量输入字典模型中得到重构后的AR模型系数。最后由原始AR模型系数和重构AR模型系数分别构造自回归模型，并各自完成对待测信号的时序建模，将两自回归模型所得残差序列的均方根误差作为性能退化程度指标，同时设定自适应预警阈值，实验分析表明本文提出的性能退化方法得到的评估指标能实时监测齿轮的性能退化趋势并且可以及时的发现齿轮早期故障。

基本信息

专利标题：

基于AR模型和字典学习的齿轮性能退化评估方法

专利标题（英）：

暂无

公开（公告）号：

CN111709191A

申请号：

CN202010593534.5

公开（公告）日：

2020-09-25

申请日：

2020-06-27

授权号：

CN111709191B

授权日：

2022-05-20

发明人：

张龙黄婧吴荣真王良宋成洋

申请人：

华东交通大学

申请人地址：

江西省南昌市昌北经济开发区双港东大街808号

代理机构：

代理人：

优先权：

CN202010593534.5

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06K9/62 G06F119/04

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F30/27

使用机器学习，例如人工智能，神经网络，支持向量机或训练模型

法律状态

2022-05-20 ：

授权

2020-10-27 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20200627

2020-09-25 ：

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