一种数据驱动的转子系统典型故障自动识别方法
实质审查的生效
摘要
本发明公开了一种数据驱动的转子系统典型故障自动识别方法,包括:离线训练模块、故障分类知识库模块和在线故障自动识别模块。采用优化的经验模态分解将原始振动波形信号自适应分解为一系列本征模态函数分量;提出特征联合分析方法筛选敏感的IMF分量进行信号重构,并筛选重构信号计算出的多尺度散布熵值作为特征值;构造LSSVM分类器自适应确定惩罚因子C和核参数σ;应用迁移学习最小化源域数据与目标域数据之间的距离,构建的迁移特征向量矩阵作为模型的输入,实现转子系统的故障模式识别。本发明采用原始时间序列振动波形数据作为输入,故障识别结论可自动输出,对于不同设备和不同工况下的转子系统故障数据有较高识别准确率和较好的泛化性。
基本信息
专利标题 :
一种数据驱动的转子系统典型故障自动识别方法
专利标题(英):
暂无
公开(公告)号 :
CN114358075A
申请号 :
CN202111669219.7
公开(公告)日 :
2022-04-15
申请日 :
2021-12-31
授权号 :
暂无
授权日 :
暂无
发明人 :
肖扬王庆锋王帅
申请人 :
北京化工大学
申请人地址 :
北京市朝阳区北三环东路15号
代理机构 :
北京思海天达知识产权代理有限公司
代理人 :
沈波
优先权 :
CN202111669219.7
主分类号 :
G06K9/00
IPC分类号 :
G06K9/00 G06K9/62
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
法律状态
2022-05-03 :
实质审查的生效
IPC(主分类) : G06K 9/00
申请日 : 20211231
申请日 : 20211231
2022-04-15 :
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