[發明專利]一種機械設備故障診斷方法在審
| 申請號： | 201810232882.2 | 申請日： | 2018-03-21 |
| 公開（公告）號： | CN108827671A | 公開（公告）日： | 2018-11-16 |
| 發明（設計）人： | 樓佩煌;郭大宏;錢曉明;屠嘉晨;張炯 | 申請（專利權）人： | 南京航空航天大學;天奇自動化工程股份有限公司 |
| 主分類號： | G01M99/00 | 分類號： | G01M99/00 |
| 代理公司： | 南京經緯專利商標代理有限公司 32200 | 代理人： | 施昊 |
| 地址： | 210016 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 故障診斷 分類器 機械設備故障診斷 故障特征向量 機械設備故障 組合分類器 機械設備 傳感器采集信號 實時故障診斷 方法提取 離線訓練 信號分析 重大事故 算法 零部件 診斷 分類 發現 | ||
1.一種機械設備故障診斷方法，其特征在于，包括以下步驟：
(1)利用信號分析方法提取傳感器采集信號中包含的機械設備故障特征，并組成故障特征向量；
(2)利用故障特征向量離線訓練故障診斷分類器，所述故障診斷分類器采用組合分類器，該組合分類器采用Adaboost提升算法作為組合方法；
(3)運用訓練好的故障診斷分類器實時進行機械設備的故障診斷。
2.根據權利要求1所述機械設備故障診斷方法，其特征在于：訓練和測試故障診斷分類器的步驟如下：
(a)數據集D包括d個數據組：(x1,y1),(x2,y2),…,(xd,yd)，其中，xj表示第j個故障特征向量，yj表示類標號，j＝1,2,…,d，對數據集D中的每個數據組的權重wj初始化為
(b)從數據集D中進行k輪有放回地抽樣，得到訓練集Di，其中，Di表示第i輪抽樣得到的訓練集，i＝1,2,…,k，k為組合分類器中基分類器的個數；
(c)根據訓練集Di得到對應的基分類器Ti；
(d)計算Ti的錯誤率error(Ti)，當Ti的錯誤率error(Ti)超過預設閾值t時，丟棄訓練集Di，重新產生新的訓練集Di以及對應的新的基分類器Ti；
(e)對于每個被正確分類的數據組，根據Ti的錯誤率error(Ti)更新權重wj，并對所有數據組的權重進行規范化，使得更新后的權重之和與更新前的權重之和相同；
(f)賦予每個基分類器Ti的表決權重Wi，Ti的錯誤率error(Ti)值越低，Wi的值越高，得到包含k個基分類器的組合分類器；
(g)使用組合分類器對測試數據x分類，將所有類的權重wj初始化為0，從第一個基分類器開始，依次計算每個基分類器的分類結果，則每一個基分類器的輸出結果如下：
ci＝Wi·Ti(x)
對于每個類別號，對將同一類別號分配給組合分類器的所有基分類器的輸出結果ci求和，將求和值最大所對應的類別號作為返回的預測值。
3.根據權利要求2所述機械設備故障診斷方法，其特征在于：在步驟(d)中，其中，err(xj)是數據組xj的誤分類誤差，如果xj被Ti誤分類，則err(xj)＝1，否則err(xj)＝0。
4.根據權利要求2所述機械設備故障診斷方法，其特征在于：在步驟(d)中，預設閾值t的取值范圍是(0，0.6)。
5.根據權利要求2所述機械設備故障診斷方法，其特征在于：在步驟(f)中，基分類器Ti的表決權重
6.根據權利要求2所述機械設備故障診斷方法，其特征在于：所述基分類器采用BP神經網絡模型和支持向量機。
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南京航空航天大學;天奇自動化工程股份有限公司，未經南京航空航天大學;天奇自動化工程股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810232882.2/1.html，轉載請聲明來源鉆瓜專利網。
