公开(公告)号：CN107356431B

公开(公告)日：2019-05-14

申请号：CN201710562233.4

申请日：2017-07-11

Applicant: 华南理工大学

Inventor： 罗飞 ,  周裕华

IPC: G01M13/04 ,  G06K9/62

Abstract: 本发明公开了一种基于ADMM与稀疏组合学习的滚动轴承性能退化评估方法，所述方法包括以下步骤：(1)对滚动轴承的正常模式进行学习，利用学到的知识建立正常模式的知识库；(2)建立基于各知识的量化指标求解器，求解被检测的滚动轴承的量化指标Φ；(3)对量化指标Φ进行分析，实现滚动轴承性能退化程度的评估。该方法不需要先验知识，可以通过学习Training Set的特征生成正确的知识库；将ADMM与组合学习应用到模型中，使模型的时间复杂度下降；可以获得衡量滚动轴承性能退化程度的量化指标Φ，具有实时性、量化评估和自动化程度高等优点。

公开(公告)号：CN107356431A

公开(公告)日：2017-11-17

申请号：CN201710562233.4

申请日：2017-07-11

Applicant: 华南理工大学

Inventor： 罗飞 ,  周裕华

IPC: G01M13/04 ,  G06K9/62

CPC classification number: G01M13/04 ,  G01M13/045 ,  G06K9/6249

Abstract: 本发明公开了一种基于ADMM与稀疏组合学习的滚动轴承性能退化评估方法，所述方法包括以下步骤：(1)对滚动轴承的正常模式进行学习，利用学到的知识建立正常模式的知识库；(2)建立基于各知识的量化指标求解器，求解被检测的滚动轴承的量化指标Φ；(3)对量化指标Φ进行分析，实现滚动轴承性能退化程度的评估。该方法不需要先验知识，可以通过学习Training Set的特征生成正确的知识库；将ADMM与组合学习应用到模型中，使模型的时间复杂度下降；可以获得衡量滚动轴承性能退化程度的量化指标Φ，具有实时性、量化评估和自动化程度高等优点。