[发明专利]一种基于EEMD模糊熵和SVM的风机异常检测方法在审
| 申请号： | 201910913979.4 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110765883A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 田宏伟;石祥文;杨向东;柳倩;李科文 | 申请（专利权）人： | 国家能源集团谏壁发电厂 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 32300 南京源古知识产权代理事务所(普通合伙) | 代理人： | 吴丽娜 |
| 地址： | 212000 江苏*** | 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： | 本发明涉及通过建模及人工智能的方法来实现风机异常的快速检测，一种基于EEMD模糊熵和SVM的故障诊断方法，包括：(1)利用EEMD分解振动信号得到若干个IMF分量；(2)计算相关系数剔除无效分量，将有效IMF分量组成相应的倍频成分；(3)不同倍频IMF分量的模糊熵，进行归一化计算，组成多维特征向量；(4)输入SVM中，对故障进行识别；本发明的方法模型精度比仅采用的SVM高7％。该发明中的方法对于提高SVM的精度具有明显的作用。 | ||
| 搜索关键词： | 倍频 多维特征向量 归一化计算 人工智能 模糊 方法模型 故障诊断 快速检测 振动信号 风机 建模 剔除 分解 | ||
【主权项】：
1.一种基于EEMD模糊熵和SVM的风机异常检测方法，其特征在于：包括以下步骤：(1)对数据进行预处理，保证数据的稳定可靠；(2)将原数据作为待分类样本，将样本集按照比例分为训练集和验证集，输入SVM，对故障诊断模型进行训练。计算模型的准确率；(3)利用EEMD对采集到的振动信号进行分解，得到若干个IMF分量和一个残余分量；(4)利用相关性分析方法，将有效IMF分量组成倍频成分；(5)计算步骤(4)中不同倍频IMF分量的模糊熵，并进行归一化计算，组成多维特征向量，与原数据一同构成待分类样本，将样本集为训练集和验证集，以此对故障诊断模型进行相关训练，计算模型的准确率。/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国家能源集团谏壁发电厂，未经国家能源集团谏壁发电厂许可，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/201910913979.4/，转载请声明来源钻瓜专利网。
