[发明专利]基于极限学习机的风机故障诊断方法有效
| 申请号： | 201610503720.9 | 申请日： | 2016-07-01 |
| 公开（公告）号： | CN107563251B | 公开（公告）日： | 2021-11-09 |
| 发明（设计）人： | 卢锦玲;绳菲菲;赵洪山 | 申请（专利权）人： | 华北电力大学（保定） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人： | 崔自京 |
| 地址： | 071003 河北省保定市北*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本文公开了一种基于极限学习机的风机故障诊断方法，包括以下步骤：采用风机轴承振动信号的时域特征参数作为样本特征向量，形成训练集和测试集；分别用1、2、3、4对训练集和测试集中的类别进行标识；在训练集上进行ELM分类模型学习：选取激活函数，通过改进PSO结合CV优化得到ELM参数；将测试集的样本代入分类器中验证其类别。加强对风电机组轴承的故障诊断，对减少风机停机时间，提高风电场运行经济效益具有重要意义。 | ||
| 搜索关键词： | 基于 极限 学习机 风机 故障诊断 方法 | ||
【主权项】：
一种基于极限学习机的风机故障诊断方法，包括以下步骤：①采用风机轴承振动信号的时域特征参数作为样本特征向量，形成训练集和测试集；②分别用1、2、3、4对训练集和测试集中的类别进行标识；③在训练集上进行ELM分类模型学习：选取激活函数，通过改进PSO结合CV优化得到ELM参数；④将测试集的样本代入ELM分类器中验证其类别。
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华北电力大学（保定），未经华北电力大学（保定）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/201610503720.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种二维码批量识别方法
- 下一篇：视频理解方法及装置
