[发明专利]一种基于贝叶斯网络的压缩机气阀故障诊断方法有效
申请号: | 201610427413.7 | 申请日: | 2016-06-14 |
公开(公告)号: | CN106124175B | 公开(公告)日: | 2019-08-06 |
发明(设计)人: | 邵继业;杨瑞 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G01M13/003 | 分类号: | G01M13/003 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于贝叶斯网络的压缩机气阀故障诊断方法,利用混合方式进行贝叶斯结构学习,并将贝叶斯网络模型应用于气阀故障诊断中。具体方法步骤如下:1、获取振动信号样本,对信号进行预处理;2、提取故障特征向量,对特征向量离散化处理;3、属性变量和类变量作为贝叶斯网络节点,利用条件独立性测试寻找每个节点的候选父节点集;4、利用贪心算法依次确定每个节点的父节点,构建贝叶斯网络模型;5、通过对贝叶斯网络参数的学习,计算类节点的最大后验概率。本发明利用低阶条件独立(CI)测试有效地限制了候选父节点的个数,避免了不必要的结构评分,通过压缩机气阀故障诊断的应用实例,验证了该方法在信息不确定条件下是有效的。 | ||
搜索关键词: | 一种 基于 贝叶斯 网络 压缩机 气阀 故障诊断 方法 | ||
【主权项】:
1.一种基于贝叶斯网络的压缩机气阀故障诊断方法,其特征在于,包括以下步骤:A、对不同故障状态和正常状态的压缩机气阀振动信号进行采样,获取振动信号数据;对气阀振动信号进行三层小波分解,对各层的高频系数进行软阈值量化处理后,进行一维信号的小波重构,实现振动信号的去噪处理;B、利用小波包算法对去噪后的样本数据进行分解,对第三层所有频带进行重构,提取各频带能量并作归一化处理作为特征向量,特征向量中的元素对应样本的条件属性值;C、利用等宽区间法将特征向量进行离散化处理,定义“很小”、“小”、“大”、“很大”四种类型;D、将属性变量和类变量分别作为贝叶斯模型的节点,分别用①、②、③、④、⑤、⑥、⑦、⑧、⑨表示;选择目标节点变量,其余节点组成该节点的初始候选父节点集合,通过低阶CI测试,去除与目标变量独立的变量,更新候选父节点集;重复上述过程,更新每个节点的候选父节点集;E、比较每个节点的BIC得分,利用贪心算法依次确定每个节点的父节点,并更新其余节点的候选父节点,构建贝叶斯网络模型;F、利用联合树推理算法,以条件属性值作为待诊断观测证据,求得各故障类型的后验概率,最大后验概率所对应的类标签即作为该样本的分类标签。
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电子科技大学,未经电子科技大学许可,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/201610427413.7/,转载请声明来源钻瓜专利网。
- 上一篇:用于企业资源管理系统的数据存储方法
- 下一篇:一种透风的短袖