一种基于SCVNN的多特征健康因子融合方法
授权
摘要
一种基于SCVNN的多特征健康因子融合方法，涉及故障预测技术领域，针对现有技术中模型不能够降低经验因素的影响，去除冗余信息的问题，SCVNN模型采用变分推断的思想对原始信号进行正态分布建模，能够从信号中进行自适应特征学习，构造表征信号本质的特征。相比于传统特征融合方法，该模型能够降低经验因素的影响，去除冗余信息。将自归一化思想引入SCVNN模型，能够保证激活值以归一化的状态在网络各层间传递，避免了过拟合现象的发生，获取到包含丰富信息的特征，从而更好地表征旋转机械的健康状态。
基本信息
专利标题 ：
一种基于SCVNN的多特征健康因子融合方法
专利标题（英）：
暂无
公开（公告）号 ：
CN112597705A
申请号 ：
CN202011589552.2
公开（公告）日 ：
2021-04-02
申请日 ：
2020-12-28
授权号 ：
CN112597705B
授权日 ：
2022-05-24
发明人 ：
杨京礼高天宇姜守达
申请人 ：
哈尔滨工业大学
申请人地址 ：
黑龙江省哈尔滨市南岗区西大直街92号
代理机构 ：
哈尔滨华夏松花江知识产权代理有限公司
代理人 ：
岳昕
优先权 ：
CN202011589552.2
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/04
IPC结构图谱
G
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
2022-05-24 ：
授权
2021-04-23 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20201228
申请日 : 20201228
2021-04-02 ：
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
1、
CN112597705A.PDF
PDF下载
