[发明专利]一种蜂群优化核极限学习和稀疏表示机械故障识别方法有效
| 申请号： | 202010458831.9 | 申请日： | 2020-05-27 |
| 公开（公告）号： | CN111695611B | 公开（公告）日： | 2022-05-03 |
| 发明（设计）人： | 李福生;何星华;刘治汶;赵彦春;张烁;马捷思;鲁欣 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 电子科技大学专利中心 51203 | 代理人： | 周刘英 |
| 地址： | 611731 四川省成*** | 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： | 本发明公开了一种蜂群优化核极限学习和稀疏表示机械故障识别方法，用于提升机械故障识别的效率和精度。本发明结合核极限学习机的高效性优点和稀疏表示通过字典冗余捕捉信号内在本质特征的优点提出一种能够有效提高故障识别精度的核极限学习和稀疏表示的机械故障识别方法，将蜂群优化算法融入核极限学习机方法中，通过优化算法获得核极限学习机最佳模型参数进一步提升识别模型性能。输入机械信号样本首先利用蜂群优化的核极限学习机进行故障识别，对达不到预期识别结果的输入样本采用稀疏表示方法进行二次识别，从而实现快速准确的故障识别。本发明适用于机械故障识别。 | ||
| 搜索关键词： | 一种 蜂群 优化 极限 学习 稀疏 表示 机械 故障 识别 方法 | ||
【主权项】：
暂无信息
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电子科技大学，未经电子科技大学许可，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/202010458831.9/，转载请声明来源钻瓜专利网。
