[发明专利]时变工况条件下旋转机械运行状态在线监测方法及系统有效
| 申请号： | 201810312859.4 | 申请日： | 2018-04-09 |
| 公开（公告）号： | CN108537174B | 公开（公告）日： | 2020-05-08 |
| 发明（设计）人： | 卢国梁;陈光远;闫鹏 | 申请（专利权）人： | 山东大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 黄海丽 |
| 地址： | 250061 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了时变工况条件下旋转机械运行状态在线监测方法及系统，包括：利用时间序列分析对旋转机械运行实时状态信号进行动态周期划分得到划分的实时周期信号；根据划分的实时周期信号，进行实时数据重组，得到重组后的实时数据；利用重组后的实时数据对one‑class SVM模型进行训练，得到训练好的one‑class SVM模型；对旋转机械运行待监测状态信号依次采用动态周期划分步骤和数据重组步骤进行处理，得到重组后的新数据，将重组后的新数据输入到训练好的one‑class SVM模型，one‑class SVM模型输出预测值，所述预测值包括正常值和疑似异常值；对疑似异常值进行判断，确定其是否为真实异常点。 | ||
| 搜索关键词： | 工况 条件下 旋转 机械 运行 状态 在线 监测 方法 系统 | ||
【主权项】：
1.时变工况条件下旋转机械运行状态在线监测方法，其特征是，包括：动态周期划分步骤：利用时间序列分析对旋转机械运行实时状态信号进行动态周期划分得到划分的实时周期信号；数据重组步骤：根据划分的实时周期信号，进行实时数据重组，得到重组后的实时数据；模型训练步骤：利用重组后的实时数据对one‑class SVM模型进行训练，得到训练好的one‑class SVM模型；预测值监测步骤：对旋转机械运行待监测状态信号依次采用动态周期划分步骤和数据重组步骤进行处理，得到重组后的新数据，将重组后的新数据输入到训练好的one‑class SVM模型，one‑class SVM模型输出预测值，所述预测值包括正常值和疑似异常值；误判修正步骤：对疑似异常值进行判断，确定其是否为真实异常点。
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山东大学，未经山东大学许可，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/201810312859.4/，转载请声明来源钻瓜专利网。
