[发明专利]一种工业设备故障诊断的诊断模型及其构建方法和应用在审
| 申请号： | 201910866231.3 | 申请日： | 2019-09-12 |
| 公开（公告）号： | CN110705722A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 肖江文;陆子鸣;王燕舞;黄正义 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06Q10/00 | 分类号： | G06Q10/00;G06Q10/06;G06Q50/06 |
| 代理公司： | 42201 华中科技大学专利中心 | 代理人： | 曹葆青;李智 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种工业设备故障诊断的诊断模型及其构建方法和应用，构建方法包括：采用变分模式分解法分解训练工业设备的每个原始振动信号，得到多个子模态分量，从多个子模态分量中选出一个最佳子模态分量；采用贝叶斯优化的一维快速非局部均值法，对所有最佳子模态分量去噪；基于所有去噪后的最佳子模态分量，采用度量学习改变分类器中的样本距离度量函数并训练，得到工业设备故障诊断的诊断模型。本发明采用变分模态分解从原始振动信号中分离出故障特征；进一步引入去噪性能高的非局部均值去噪算法，并对参数进行贝叶斯优化，实现对高信噪比振动信号的良好降噪效果。最后将度量学习应用于分类器的训练。本发明方法诊断精确度高且适用范围广。 | ||
| 搜索关键词： | 诊断 去噪 子模 工业设备故障 原始振动信号 模态分量 贝叶斯 分类器 度量 构建 非局部均值去噪 度量函数 分解训练 工业设备 故障特征 模式分解 样本距离 振动信号 非局部 均值法 分模 高信 降噪 算法 应用 优化 分解 学习 引入 | ||
【主权项】：
1.一种工业设备故障诊断的诊断模型构建方法，其特征在于，包括：/nS1、采用变分模式分解法分解训练工业设备的每个原始振动信号，得到多个子模态分量，从所述多个子模态分量中选出一个最佳子模态分量；/nS2、采用贝叶斯优化的一维快速非局部均值法，对所有所述最佳子模态分量去噪；/nS3、基于所有所述去噪后的最佳子模态分量，采用度量学习，改变分类器中的样本距离度量函数并训练，所述训练后的分类器即为工业设备故障诊断的诊断模型。/n
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华中科技大学，未经华中科技大学许可，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/201910866231.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
