Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于加权BP-AdaBoost的转子故障诊断方法 

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:东北大学

摘要:本发明提供一种基于加权BP‑AdaBoost的转子故障诊断方法,涉及转子故障诊断领域。利用传感器测得转子振动信号,从不同角度对转子状态特征进行提取,得到转子系统状态特征向量,而后计算初始特征向量的方差,根据方差值大小,合理地选择特征向量维度,利用BP神经网络作为AdaBoost算法的基分类器,构建二值分类器,并通过组合若干二值分类器,构建多分类分类器。针对组合式多分类分类器决策时存在的问题,本发明提出了基于验证样本的非模糊解系数,并结合K折交叉验证,得到了加权BP‑AdaBoost多分类器,完成了转子故障诊断。通过实验验证,该方法在故障类型识别和故障程度识别中均有较好的效果。

主权项:1.一种基于加权BP-AdaBoost的转子故障诊断方法,其特征在于,具体为:步骤1:提取转子状态参数和特征选择;利用加速度传感器测得转子的振动信号,将转子振动信号时域、频域和时频域的特征组合构建转子状态特征集;并利用方差方法进行特征选择排序,构造低维特征子集;步骤2:将步骤1得到的低维特征子集进行比例划分,得到训练样本集C1和测试样本集O1;按照K折交叉验证思想对训练样本集C1进行处理;得到其中K-1K为训练样本集C,1K为验证样本集V,用矩阵Λ表示;步骤3:设定循环次数K,依次选择Λ中的每一行元素,循环到第i次时,i∈[1,K],得到训练样本集C2和验证样本集V1;通过AdaBoost算法,得到BP-AdaBoost二分类模型;利用一对其余策略即OneAgainstAll模式,通过组合多个BP-AdaBoost二分类模型,用以搭建M-BP-AdaBoost多分类模型;K轮循环结束后得到K个M-BP-AdaBoost多分类模型;步骤4:基于验证样本集V提取K个M-BP-AdaBoost模型的非模糊解权重;步骤5:利用步骤3建立的M-BP-AdaBoost多分类模型和步骤4提取的K个M-BP-AdaBoost多分类模型的非模糊解权重,构建加权BP-AdaBoost多分类模型Model;步骤6:利用加权BP-AdaBoost多分类模型Model,把测试样本集O1输入加权BP-AdaBoost多分类模型Model中,预测测试样本集O1中每个样本对应的故障标签类别。

全文数据:

权利要求:

百度查询: 东北大学 一种基于加权BP-AdaBoost的转子故障诊断方法

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。

相关技术
相关技术
相关技术