-
公开(公告)号：CN113469107B
公开(公告)日：2024-06-04
申请号：CN202110804528.4
申请日：2021-07-16
Applicant: 辽宁大学
IPC: G06F18/10 , G06F18/214 , G06F18/22 , G06F18/23
Abstract: 一种融合空间密度分布的轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种融合空间密度分布的轴承故障诊断方法。为提高不完整轴承数据的故障诊断准确率，将密度引入到模糊C均值的目标函数中；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将轴承数据输入改进的模糊C均值算法中进行聚类。在四种缺失率的情况下与三种方法进行对比实验，验证本发明方法有更高的诊断准确率。
-
公开(公告)号：CN113469107A
公开(公告)日：2021-10-01
申请号：CN202110804528.4
申请日：2021-07-16
Applicant: 辽宁大学
Abstract: 一种融合空间密度分布的轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种融合空间密度分布的轴承故障诊断方法。为提高不完整轴承数据的故障诊断准确率，将密度引入到模糊C均值的目标函数中；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将轴承数据输入改进的模糊C均值算法中进行聚类。在四种缺失率的情况下与三种方法进行对比实验，验证本发明方法有更高的诊断准确率。
-
公开(公告)号：CN111738346A
公开(公告)日：2020-10-02
申请号：CN202010597430.1
申请日：2020-06-28
Applicant: 辽宁大学
Abstract: 一种生成式对抗网络估值的不完整数据聚类方法，步骤如下：(1)确定最近邻样本；(2)生成式对抗网络估值填补缺失数据，区间化填补数据；(3)提出生成对抗网络估值的区间数据模糊C均值聚类；(4)利用步骤(3)中聚类方法对步骤(2)中得到的区间型数据集进行聚类，得到聚类结果，与四种经典方法进行实验结果对比，以此验证本发明的有效性。利用UCI数据库中的生物数据集鸢尾花Iris、医学数据集成年人肝病Bpua和医疗数据集乳腺癌症Breast，在四种缺失率的情况下与四种经典方法进行实验，验证本发明方法有更高的聚类准确率。
-
Patent Agency Ranking
公开(公告)号：CN111753751B
公开(公告)日：2025-02-21
申请号：CN202010597435.4
申请日：2020-06-28
Applicant: 辽宁大学
IPC: G06F18/2431 , G06F18/213 , G06F18/10 , G06N3/048 , G06N5/01 , G06N3/084 , F04D27/00
Abstract: 一种改进烟花算法的风机故障智能诊断方法，基本步骤如下：(1)信号采样；(2)数据预处理；(3)特征提取；(4)数据归一化处理；(5)风机故障智能诊断。针对现有风机故障诊断系统的局限性，本发明设计一种改进烟花算法优化BP神经网络的风机故障智能诊断方法。使用改进高斯密度函数优化增强型烟花算法计算出BP神经网络较优权值和阈值，从而提高BP神经网络的性能。通过采用相关峭度解卷积算法(MCKD)和时域特征处理后的风机轴承数据进行测试，本发明方法在诊断风机故障轴承数据方面，能够满足用户所设定功能和性能方面的需求。通过大量对比实验证明，改进烟花算法的风机故障智能诊断方法可以获得更高的准确率。
-
公开(公告)号：CN113469106B
公开(公告)日：2024-06-04
申请号：CN202110804522.7
申请日：2021-07-16
Applicant: 辽宁大学
IPC: G06F18/10 , G06F18/214 , G06F18/23 , G06F18/22
Abstract: 一种缺失数据的KNN区间型轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种缺失数据的KNN区间型轴承故障诊断方法。针对不完整的轴承数据不能进行聚类的问题，将缺失数据进行填补。首先，考虑近邻样本属性分布提出新的区间填补公式；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将填补后的数据输入模糊C均值算法中进行聚类。本发明方法在四种缺失率的情况下与四种经典方法进行实验，验证本发明方法有更高的诊断准确率。
-
公开(公告)号：CN111024433A
公开(公告)日：2020-04-17
申请号：CN201911389339.4
申请日：2019-12-30
Applicant: 辽宁大学
IPC: G01M99/00 , G01M13/045 , G06N3/00
Abstract: 一种改进灰狼算法优化支持向量机的工业装备健康状态检测方法，基本步骤如下：(1)信号采样；(2)降噪处理；(3)特征提取；(4)数据归一化处理；(5)工业装备健康状态检测。本发明一种改进灰狼算法优化支持向量机的工业装备健康状态检测方法，通过使用差分灰狼算法优化支持向量机的惩罚因子C和核函数系数g，从而提高支持向量机性能。本发明采用实测机器核心轴承数据作为训练装备健康状态检测模型的数据集。在装备健康状态检测模型构建模块中，训练中的样本集采用预处理后的特征向量并运用经差分灰狼算法优化的SVM方法训练装备健康状态检测模型。改进的工业装备健康状态检测模型提高了故障分类的准确率。
-
公开(公告)号：CN113469106A
公开(公告)日：2021-10-01
申请号：CN202110804522.7
申请日：2021-07-16
Applicant: 辽宁大学
Abstract: 一种缺失数据的KNN区间型轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种缺失数据的KNN区间型轴承故障诊断方法。针对不完整的轴承数据不能进行聚类的问题，将缺失数据进行填补。首先，考虑近邻样本属性分布提出新的区间填补公式；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将填补后的数据输入模糊C均值算法中进行聚类。本发明方法在四种缺失率的情况下与四种经典方法进行实验，验证本发明方法有更高的诊断准确率。
-
公开(公告)号：CN111753751A
公开(公告)日：2020-10-09
申请号：CN202010597435.4
申请日：2020-06-28
Applicant: 辽宁大学
Abstract: 一种改进烟花算法的风机故障智能诊断方法，基本步骤如下：(1)信号采样；(2)数据预处理；(3)特征提取；(4)数据归一化处理；(5)风机故障智能诊断。针对现有风机故障诊断系统的局限性，本发明设计一种改进烟花算法优化BP神经网络的风机故障智能诊断方法。使用改进高斯密度函数优化增强型烟花算法计算出BP神经网络较优权值和阈值，从而提高BP神经网络的性能。通过采用相关峭度解卷积算法(MCKD)和时域特征处理后的风机轴承数据进行测试，本发明方法在诊断风机故障轴承数据方面，能够满足用户所设定功能和性能方面的需求。通过大量对比实验证明，改进烟花算法的风机故障智能诊断方法可以获得更高的准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
