[发明专利]基于信号原子驱动小波再生核机器学习的机械多故障诊断方法在审
| 申请号： | 201810617661.7 | 申请日： | 2018-06-15 |
| 公开（公告）号： | CN109029940A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 刘治汶;王艳 | 申请（专利权）人： | 成都赛基科技有限公司 |
| 主分类号： | G01M13/00 | 分类号： | G01M13/00;G06K9/62;G06N3/00 |
| 代理公司： | 北京中索知识产权代理有限公司 11640 | 代理人： | 霍春月 |
| 地址： | 610000 四川省成都市武*** | 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： | 本发明公开一种基于信号原子驱动小波再生核机器学习的机械多故障模式识别方法，该方法采集机械设备的待分析信号，再对机械设备进行故障设置，并采集故障设备的非平稳机械振动信号；采用基于蚁群搜索策略的Gabor原子正交匹配追踪方法对非平稳机械振动信号进行跟踪和分解，获得与待分析信号最佳匹配的多个原子分量和残差分量；将获得的多个原子分量作为特征样本输入机器学习——小波再生核支持向量机分类器中进行训练和测试学习，从而识别机械多故障模式类型。本发明能够提高识别精度。 | ||
| 搜索关键词： | 再生核 小波 机械振动信号 待分析信号 机器学习 机械设备 支持向量机分类器 采集 故障模式识别 多故障诊断 驱动 故障模式 故障设备 故障设置 输入机器 特征样本 蚁群搜索 最佳匹配 残差 正交 匹配 追踪 测试 分解 学习 跟踪 | ||
【主权项】：
1.基于信号原子驱动小波再生核机器学习的机械多故障诊断方法，其特征在于，包括以下步骤：步骤S10、采集机械设备的待分析信号，再对机械设备进行故障设置，并采集故障设备的非平稳机械振动信号；步骤S20、采用基于蚁群搜索策略的Gabor原子正交匹配追踪方法对非平稳机械振动信号进行跟踪和分解，获得与待分析信号最佳匹配的多个原子分量和残差分量；步骤S30、将获得的多个原子分量作为特征样本输入机器学习——小波再生核支持向量机分类器中进行训练和测试学习，从而识别机械多故障模式类型。
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成都赛基科技有限公司，未经成都赛基科技有限公司许可，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/201810617661.7/，转载请声明来源钻瓜专利网。
