[發(fā)明專利]一種機電設備神經網絡故障趨勢預測方法有效
| 申請?zhí)枺?/td> | 201010101328.4 | 申請日： | 2010-01-27 |
| 公開（公告）號： | CN101799367A | 公開（公告）日： | 2010-08-11 |
| 發(fā)明（設計）人： | 徐小力;陳濤;王少紅;王紅軍 | 申請（專利權）人： | 北京信息科技大學 |
| 主分類號： | G01M19/00 | 分類號： | G01M19/00;G01H17/00;G06N3/02 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 100192 北京市海淀區(qū)*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 機電設備 神經 網絡故障 趨勢 預測 方法 | ||
1.一種機電設備神經網絡故障趨勢預測方法，其步驟如下：
(1)通過遠程監(jiān)測診斷中心獲取對故障敏感的某測點傳感器輸出的一段連續(xù)振動信號；
(2)利用3σ方法和插值方法對獲取的振動數據分別進行異常值剔除和缺失數據填補，得到振動數據序列{X1，…，Xn}；
(3)對振動數據序列{X1，…，Xn}進行歸一化處理后得到序列{x1，…，xn}；
(4)根據歸一化處理后的序列{x1，…，xn}，計算基于信息熵加權系數wSi，進而計算出經熵加權后的振動數據序列{y1，…，yn}；
(5)由于時間因素影響，利用時間加權對熵加權后的振動數據序列{y1，…，yn}進行時間加權計算后，得到數據序列{z1，…，zn}；
(6)利用數據序列{z1，…，zn}構建非線性的動態(tài)遞歸神經網絡預測模型，并采用黃金分割法確定隱含層最優(yōu)節(jié)點數，進而確定神經網絡最佳預測模型結構，進行故障趨勢預測，得到預測結果{u1，…，um}，m為預測點的數目；
(7)對趨勢預測結果進行反歸一化處理，得到實際預測結果。
2.如權利要求1所述的一種機電設備神經網絡故障趨勢預測方法，其特征在于：所述步驟(4)中，所述振動序列經所述熵加權后得到序列{y1，…，yn}為：
yi＝xiwSi??????????i＝1，2，…n，
式中，信息熵加權系數其中Ei為反映振動數據攜帶信息量的信息熵，Ei＝-pilog2pi(i＝1，2，…，n)，pi為各振動數據提供信息的概率，
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京信息科技大學，未經北京信息科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201010101328.4/1.html，轉載請聲明來源鉆瓜專利網。
