龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：昆明理工大学
摘要：本发明公开了一种基于粒化散布熵和优化KELM的滚动轴承故障诊断方法、装置，方法包括：利用模糊信息粒化对原始轴承振动信号进行粒化处理，获得三个不同尺度下的模糊信息粒；对三个尺度下的模糊信息粒分别计算散布熵，构建特征向量矩阵；将特征向量矩阵输入优化的核极限学习机模型进行轴承故障分类识别。本发明有效解决了滚动轴承故障振动信号特征信息难以完全提取和滚动轴承故障类型识别准确率较低的问题。
主权项：1.一种基于粒化散布熵和优化KELM的滚动轴承故障诊断方法，其特征在于：包括：利用模糊信息粒化对原始轴承振动信号进行粒化处理，获得三个不同尺度下的模糊信息粒；对三个尺度下的模糊信息粒分别计算散布熵，构建特征向量矩阵；将特征向量矩阵输入优化的核极限学习机模型进行轴承故障分类识别；所述利用模糊信息粒化对原始轴承振动信号进行粒化处理，获得三个不同尺度下的模糊信息粒，包括：获取滚动轴承不同故障程度和不同故障类型的原始轴承振动信号；采用模糊信息粒化对原始轴承故障振动信号进行粒化处理，得到low、R、up三个尺度下的模糊信息粒；其中，low、R、up分别表示原始轴承振动信号粒化窗口内的最小值、平均值、最大值的集合；所述将特征向量矩阵输入优化的核极限学习机模型进行轴承故障分类识别，包括：利用麻雀搜索算法对核极限学习机进行参数优化，将特征向量矩阵划分为训练集和测试集，利用训练集训练核极限学习机模型；麻雀搜索算法参数初始化：设置麻雀初始种群，最大迭代次数，正则化系数和核函数参数的寻优范围，选用高斯核函数；循环搜索适应度值最优的麻雀个体所对应的位置，即为最优参数；将测试集输入到最优参数设置下的核极限学习机模型进行故障分类识别；其中，最优参数为最优正则化系数和核函数参数。
全文数据：
权利要求：
百度查询： 昆明理工大学 基于粒化散布熵和优化KELM的滚动轴承故障诊断方法、装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号