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