[发明专利]一种基于局部模型迁移学习的齿轮故障识别方法有效
| 申请号： | 201711442330.6 | 申请日： | 2017-12-27 |
| 公开（公告）号： | CN108229547B | 公开（公告）日： | 2021-12-24 |
| 发明（设计）人： | 严如强;沈飞 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 211189 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： | 本发明公开了一种基于局部模型迁移学习的齿轮故障识别方法，包括时频域特征的提取、迁移学习中辅助数据集的选取和基于局部模型的迁移学习方法。在给定时频域提取特性的基础上，通过建立威氏符号秩检验和卡方检验结合模型计算目标数据与辅助数据的相似度，并筛选辅助数据；最后利用以SVM为核心的局部迁移模型将筛选的辅助数据的有用共性参数迁移至目标数据以实现齿轮箱的故障识别。本发明不但提升了机器学习在仅有少量目标数据时的诊断精度，降低诊断成本，并且增强了齿轮故障诊断的环境适应性和通用性，具有潜在的经济价值。 | ||
| 搜索关键词： | 一种 基于 局部 模型 迁移 学习 齿轮 故障 识别 方法 | ||
【主权项】：
1.一种基于局部模型迁移学习的齿轮故障识别方法，其特征在于，该方法包括以下步骤：(1)提取时频域特征；提取目标数据特征向量A和辅助数据特征向量Bj；(2)选取迁移学习中的辅助数据集；在给定时频域特征的基础上，通过建立威氏符号秩检验和卡方检验结合模型，计算目标数据与辅助数据的相似度，并筛选辅助数据；(3)利用局部模型迁移学习算法和SVM迭代算法，实现齿轮故障识别；最后利用以SVM为核心的局部迁移模型将筛选的辅助数据的有用共性参数迁移至目标数据以实现齿轮箱的故障识别。
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东南大学，未经东南大学许可，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/201711442330.6/，转载请声明来源钻瓜专利网。
