[发明专利]基于半监督流形学习的非线性故障检测方法有效
| 申请号： | 201310137829.1 | 申请日： | 2013-04-21 |
| 公开（公告）号： | CN103234767A | 公开（公告）日： | 2013-08-07 |
| 发明（设计）人： | 蒋全胜;李华荣;黄鹏 | 申请（专利权）人： | 蒋全胜 |
| 主分类号： | G01M99/00 | 分类号： | G01M99/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 238000 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于半监督流形学习的非线性故障检测方法，属于机电设备故障诊断领域。该方法包括：（1）对监测机电设备进行振动信号数据采集与预处理，经过混合域特征提取，获取代表设备运行状态的初始样本集；（2）采用半监督拉普拉斯特征映射算法，对设备样本进行流形特征提取，获取故障敏感的本质流形特征；（3）在低维流形特征空间中建立基于LS-SVM的智能诊断模型，实现对设备故障运行状态的模式识别与诊断决策。本发明采用的半监督流形学习算法，能够有效地提取振动信号样本的非线性几何流形特征，判断设备运行状态的故障类别，提高了故障检测的针对性和准确性。本发明可广泛应用于各种机械设备的故障检测和诊断分析中。 | ||
| 搜索关键词： | 基于 监督 流形 学习 非线性 故障 检测 方法 | ||
【主权项】：
基于半监督流形学习的非线性故障检测方法，通过提取设备采集信号数据的非线性几何流形特征，检测设备运行状态的故障类别，其特征在于，该方法按以下步骤进行：步骤1：对监测机电设备进行运行状态信号数据采集与预处理，经过混合域特征提取，获取代表设备运行状态的样本集，构成初始特征空间；步骤2：采用半监督拉普拉斯特征映射算法，对设备样本进行流形特征提取，获取故障敏感的本质流形特征；步骤3：在低维流形特征空间中建立基于LS‑SVM的智能诊断模型，实现对设备故障运行状态的模式识别与诊断决策。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于蒋全胜，未经蒋全胜许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310137829.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种院前急救车
- 下一篇：一种高速公路隧道消防联动系统及控制方法
