-
公开(公告)号:CN114218991B
公开(公告)日:2024-11-08
申请号:CN202111634135.X
申请日:2021-12-29
Applicant: 东北大学
IPC: G06F18/24 , G06F18/241 , G06F18/15 , G06F18/2131 , G06F18/214 , G06N3/0499 , G06N3/084 , G01M13/00
Abstract: 本发明提供一种基于加权BP‑AdaBoost的转子故障诊断方法,涉及转子故障诊断领域。利用传感器测得转子振动信号,从不同角度对转子状态特征进行提取,得到转子系统状态特征向量,而后计算初始特征向量的方差,根据方差值大小,合理地选择特征向量维度,利用BP神经网络作为AdaBoost算法的基分类器,构建二值分类器,并通过组合若干二值分类器,构建多分类分类器。针对组合式多分类分类器决策时存在的问题,本发明提出了基于验证样本的非模糊解系数,并结合K折交叉验证,得到了加权BP‑AdaBoost多分类器,完成了转子故障诊断。通过实验验证,该方法在故障类型识别和故障程度识别中均有较好的效果。
-
公开(公告)号:CN113762206A
公开(公告)日:2021-12-07
申请号:CN202111098946.2
申请日:2021-09-18
Applicant: 东北大学
IPC: G06K9/00 , G01M13/021 , G01M13/00
Abstract: 本发明提供一种改进非线性输出频率响应函数的微弱故障诊断方法,通过利用加权贡献率对非线性输出频率响应函数进行加权处理,并引入KL散度的概念对所有阶次的NOFRFs进行整合,提出基于KL散度改进的非线性输出频率响应函数最优加权贡献率KR,解决对早期微弱故障定性定量评估的难题;在利用非线性输出频率响应函数来表征系统非线性特征,或对结构系统进行损伤检测和故障诊断时,均可以利用本方法来提取系统的微弱故障特征,而且后续可进行故障程度的定性定量评估;适用于所有可利用非线性输出频率响应函数来提取系统的非线性特征的场合;对所检测和诊断的系统没有限定,可以是结构损伤系统也可以是故障转子系统、齿轮箱系统以及其它复杂机械系统等。
-
公开(公告)号:CN114218991A
公开(公告)日:2022-03-22
申请号:CN202111634135.X
申请日:2021-12-29
Applicant: 东北大学
Abstract: 本发明提供一种基于加权BP‑AdaBoost的转子故障诊断方法,涉及转子故障诊断领域。利用传感器测得转子振动信号,从不同角度对转子状态特征进行提取,得到转子系统状态特征向量,而后计算初始特征向量的方差,根据方差值大小,合理地选择特征向量维度,利用BP神经网络作为AdaBoost算法的基分类器,构建二值分类器,并通过组合若干二值分类器,构建多分类分类器。针对组合式多分类分类器决策时存在的问题,本发明提出了基于验证样本的非模糊解系数,并结合K折交叉验证,得到了加权BP‑AdaBoost多分类器,完成了转子故障诊断。通过实验验证,该方法在故障类型识别和故障程度识别中均有较好的效果。
-
-