[发明专利]一种基于OBLGWO‑DBN模型的航空发电机故障特征提取方法在审
| 申请号： | 201710628171.2 | 申请日： | 2017-07-28 |
| 公开（公告）号： | CN107247231A | 公开（公告）日： | 2017-10-13 |
| 发明（设计）人： | 崔江;师鸽 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G01R31/34 | 分类号： | G01R31/34 |
| 代理公司： | 南京经纬专利商标代理有限公司32200 | 代理人： | 曹芸 |
| 地址： | 210017 江*** | 国省代码： | 江苏;32 |
| 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OBLGWO‑DBN模型的航空发电机故障特征提取方法，属于发电机状态监测与故障诊断领域。包括以下步骤(1)故障模式分析及测试信号选取；(2)信号采集；(3)数据预处理；(4)网络训练；(5)网络测试。本方法具有良好的数据自适应能力及鲁棒性，能够有效提高航空发电机故障特征提取的效率。 | ||
| 搜索关键词： | 一种 基于 oblgwo dbn 模型 航空 发电机 故障 特征 提取 方法 | ||
【主权项】：
一种基于OBLGWO‑DBN模型的航空发电机故障特征提取方法，其特征在于，包括以下步骤：(1) 故障模式分析及测试信号选取：对航空发电机的故障模式类型、数目以及待测信号进行分析和确定；(2) 信号采集：通过传感器采集航空发电机在各种工作状态下的待测信号，并传输给计算机进行数据存储；(3) 数据预处理：将所采集到的数据按照设定长度进行截取成为数据段，每个数据段为一个样本；把所有的样本分为训练样本集和测试样本集；(4) 网络训练：利用训练样本集对深度置信网络进行训练，并使用OBL算法和GWO算法对网络模型参数进行优化，得到一个OBLGWO‑DBN模型；(5) 网络测试：将测试样本集输入OBLGWO‑DBN模型，计算分类正确率指标。
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南京航空航天大学，未经南京航空航天大学许可，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/201710628171.2/，转载请声明来源钻瓜专利网。
