[发明专利]一种用于振动信号分析的敏感特征选取与降维方法在审
| 申请号： | 201810629292.3 | 申请日： | 2018-06-19 |
| 公开（公告）号： | CN109145706A | 公开（公告）日： | 2019-01-04 |
| 发明（设计）人： | 俞啸;左海维;董飞;卞水荣;张立 | 申请（专利权）人： | 徐州医科大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京汇捷知识产权代理事务所(普通合伙) 11531 | 代理人： | 李宏伟 |
| 地址： | 221004 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： | 本发明公开了一种用于振动信号分析的敏感特征选取与降维方法，该方法包括以下步骤：将振动信号进行MODWPT分解得到各频带系数和节点信号，单支重构各节点信号并计算相应的统计特征；通过基于极限学习机的特征选取方法FSELM完成敏感特征的筛选，利用NPEMMC对选取的敏感特征进行降维分析；将低维的敏感特征作为输入空间对分类器进行训练，使用训练后的分类模型完成故障模式识别。本发明可以达到比较理想的滚动轴承故障状态识别效果。 | ||
| 搜索关键词： | 敏感特征 降维 振动信号分析 节点信号 故障模式识别 滚动轴承故障 极限学习机 单支重构 分类模型 频带系数 输入空间 特征选取 统计特征 振动信号 状态识别 分类器 低维 筛选 分解 分析 | ||
【主权项】：
1.一种用于振动信号分析的敏感特征选取与降维方法，其特征在于，该方法包括以下步骤：S1、将振动信号进行MODWPT分解得到各频带系数和节点信号，单支重构各节点信号并计算相应的统计特征；S2、通过基于极限学习机的特征选取方法FSELM完成敏感特征的筛选，利用NPEMMC对选取的敏感特征进行降维分析；S3、将低维的敏感特征作为输入空间对分类器进行训练，使用训练后的分类模型完成故障模式识别。
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徐州医科大学，未经徐州医科大学许可，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/201810629292.3/，转载请声明来源钻瓜专利网。
