[发明专利]一种基于类内特征迁移学习与多源信息融合的驱动电机故障诊断模型构建方法有效
| 申请号： | 202010895235.7 | 申请日： | 2020-08-31 |
| 公开（公告）号： | CN112036301B | 公开（公告）日： | 2021-06-22 |
| 发明（设计）人： | 俞啸;刘诗源;任晓红;董飞;陈伟 | 申请（专利权）人： | 中国矿业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G01H17/00 |
| 代理公司： | 北京东方盛凡知识产权代理事务所(普通合伙) 11562 | 代理人： | 张换君 |
| 地址： | 221116 *** | 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： | 本发明提供一种基于类内特征迁移学习与多源信息融合的驱动电机故障诊断模型构建方法，首先提出了一种改进的分层迁移学习方法MSTL，不仅考虑了类内样本间近邻关系，保持类内数据的局部流形结构，还能够提高经迁移学习后域数据对不同类别的可分性，以提升故障诊断模型的对不同分布域样本的适应能力，同时可以降低特征集维度，提升故障诊断模型在变工况下的故障诊断性能。此外，针对单个传感器采集信号会存在一定的不确定因素的问题，采用D‑S证据理论进行驱动电机多源信息决策层融合，对振动和电流信号在模型上的诊断结果进行二级D‑S证据融合。本发明所提出的特征迁移学习方法MSTL和多源信息融合诊断模型能够提高故障诊断准确率，具有一定的实用价值。 | ||
| 搜索关键词： | 一种 基于 特征 迁移 学习 信息 融合 驱动 电机 故障诊断 模型 构建 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中国矿业大学，未经中国矿业大学许可，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/202010895235.7/，转载请声明来源钻瓜专利网。
