[发明专利]一种基于IAGA-SVM的滚动轴承故障诊断方法在审
| 申请号： | 201910047457.0 | 申请日： | 2019-01-18 |
| 公开（公告）号： | CN109902339A | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 王海瑞;靖婉婷;林雅慧 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06K9/62;G06N3/12;G01M13/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 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IAGA‑SVM的滚动轴承故障诊断方法，属于机械工程自动化技术领域。本发明首先采用小波变化的方法对滚动轴承的故障数据进行特征提取，并对其进行归一化处理形成训练样本并训练得到SVM模型；然后利用改进的自适应遗传算法对SVM模型的惩罚因子和核函数参数进行优化处理，得到优化后的SVM模型即SVM故障诊断模型，最后利用SVM故障诊断模型对滚动轴承进行故障诊断。本发明使得故障诊断过程表达清晰准确，故障诊断模型合理有效，提高了其分类预测效果。 | ||
| 搜索关键词： | 故障诊断模型 滚动轴承 滚动轴承故障诊断 自动化技术领域 自适应遗传算法 故障诊断过程 归一化处理 惩罚因子 故障数据 故障诊断 机械工程 特征提取 小波变化 训练样本 优化处理 核函数 分类 清晰 预测 优化 改进 | ||
【主权项】：
1.一种基于IAGA‑SVM的滚动轴承故障诊断方法，其特征在于：首先采用小波变化的方法对滚动轴承的故障数据进行特征提取，并对其进行归一化处理形成训练样本并训练得到SVM模型；然后利用改进的自适应遗传算法对SVM模型的惩罚因子C和核函数参数γ参数进行优化处理，得到优化后的SVM模型即SVM故障诊断模型，最后利用SVM故障诊断模型对滚动轴承进行故障诊断。
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昆明理工大学，未经昆明理工大学许可，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/201910047457.0/，转载请声明来源钻瓜专利网。
