公开(公告)号：CN113551904B

公开(公告)日：2023-06-30

申请号：CN202110722255.9

申请日：2021-06-29

Applicant: 西北工业大学

Inventor： 蔡志强 ,  陈秋安 ,  司书宾 ,  段锋 ,  孟学煜 ,  张帅

IPC: G01M13/021 ,  G01M13/028 ,  G06N3/044 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明涉及一种层次机器学习的齿轮箱多类型并发故障诊断方法，该方法在传统机器学习的基础上提出一种全新的层次机器学习模型，模型包括两层，第一层是结构简单的传统机器学习模型，作用是识别出特征易于区分的单一故障类型并将无法准确识别的多类型并发故障样本过滤到第二层，由第二层模型进行正确分类。第二层采用极限学习机建立分类模型，极限学习机是一种单层前馈神经网络，通过采用最小二乘拟合克服了传统神经网络负反馈调节过程中的梯度计算，能够快速的实现模型参数的调整。通过层次机器学习进行故障诊断，不仅可以提高故障识别的准确率，还能够使得训练效率得到大幅提升。

公开(公告)号：CN113551904A

公开(公告)日：2021-10-26

申请号：CN202110722255.9

申请日：2021-06-29

Applicant: 西北工业大学

Inventor： 蔡志强 ,  陈秋安 ,  司书宾 ,  段锋 ,  孟学煜 ,  张帅

IPC: G01M13/021 ,  G01M13/028 ,  G06N3/04 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明涉及一种层次机器学习的齿轮箱多类型并发故障诊断方法，该方法在传统机器学习的基础上提出一种全新的层次机器学习模型，模型包括两层，第一层是结构简单的传统机器学习模型，作用是识别出特征易于区分的单一故障类型并将无法准确识别的多类型并发故障样本过滤到第二层，由第二层模型进行正确分类。第二层采用极限学习机建立分类模型，极限学习机是一种单层前馈神经网络，通过采用最小二乘拟合克服了传统神经网络负反馈调节过程中的梯度计算，能够快速的实现模型参数的调整。通过层次机器学习进行故障诊断，不仅可以提高故障识别的准确率，还能够使得训练效率得到大幅提升。