[發明專利]一種基于似然學習機的風機齒輪箱狀態識別方法有效
| 申請號： | 201811498568.5 | 申請日： | 2018-12-08 |
| 公開（公告）號： | CN109580218B | 公開（公告）日： | 2020-12-22 |
| 發明（設計）人： | 李東東;華偉;王浩;趙耀;楊帆;林順富 | 申請（專利權）人： | 上海電力學院 |
| 主分類號： | G01M13/021 | 分類號： | G01M13/021;G01M13/025;G01M13/028;G06N99/00 |
| 代理公司： | 上海科盛知識產權代理有限公司 31225 | 代理人： | 楊宏泰 |
| 地址： | 200090 *** | 國省代碼： | 上海;31 |
| 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 基于 學習機 風機 齒輪箱 狀態 識別 方法 | ||
【權利要求書】：
1.一種基于似然學習機的風機齒輪箱狀態識別方法，其特征在于，包括以下步驟：
1)從風機齒輪箱振動信號中提取出峭度作為風機齒輪箱的故障特征量，峭度K的表達式為：
其中，s為信號值，μ為信號均值，σ為信號標注差，E(·)為期望；
2)利用似然學習機對峭度進行學習生成高斯模型作為狀態監測模型，即高斯監測模型，高斯監測模型包括單一高斯模型和高斯混合模型，當風機齒輪箱正常時，高斯監測模型為單一高斯模型，當風機齒輪箱為故障時，高斯監測模型為混合系數為2的高斯混合模型，具體為：
采用似然學習機對峭度數據進行概率密度估計并選擇高斯模型的概率分布，將其作為先驗概率，然后對新的峭度數據進行多次學習，每次學習將上一次的后驗概率作為下一次的先驗概率，最終得到學習好的狀態監測模型；
3)利用生成的高斯監測模型對齒輪箱狀態進行判斷，所述故障的類型包括磨損、斷齒和齒根裂縫，當風機齒輪箱為正常狀態時，其對應單一高斯模型的特征量峭度值為3，當風機齒輪箱為故障時，磨損、斷齒和齒根裂縫對應高斯混合模型的特征量峭度值均大于3，且依次增大。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
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上海電力學院，未經上海電力學院許可，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/201811498568.5/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種風電齒輪箱的故障監測方法
- 下一篇：雙泵離合器功能檢測方法和設備
