-
公开(公告)号：CN110348468A
公开(公告)日：2019-10-18
申请号：CN201910388451.X
申请日：2019-05-10
Applicant: 辽宁大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法，包括以下步骤：(1)信号采样；(2)降噪处理；(3)特征提取；(4)故障诊断划分；(5)机械设备状态诊断。本发明使用两种核函数权重相加的方式代替原来单一核函数单独作用，改进相关向量机。在Fisher准则和最大熵准则共同作用下求解输入样本映射到特征空间中的方差，确定核函数权重系数。由求得的权重系数，初始化参数，估计超参数，最后得到滚动轴承亚健康识别分类。本发明解决边缘降噪自动编码器约束条件有限、数据压缩能力弱、重构误差大，特征数据表达能力弱的问题，提出了一种了识别准确率高的一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法。
-
公开(公告)号：CN109299727A
公开(公告)日：2019-02-01
申请号：CN201810880925.8
申请日：2018-08-04
Applicant: 辽宁大学
IPC: G06K9/62
Abstract: 一种信息重构的改进极限学习机故障诊断方法，其步骤如下：1)采集信号；2)信号处理；3)特征提取；4)故障诊断划分；本发明基于排列熵(PE)思想，提出加权排列熵(WPE)思想，通过对普通排列熵的熵值特征加权，将特征信息变得更敏感，能够很好的呈现特征信息的变化，为特征选择提供了基础。此外，提出了一种基于Filter-Wrapper(过滤-包裹)法对特征进行有效甄别，通过不断调整网络的输出权重来达到误差最小化，使极限学习机输出结果的误差达到最小,并与传统极限学习机进行结果对比，以此验证本发明的有效性。
-
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：CN110348468B
公开(公告)日：2023-01-20
申请号：CN201910388451.X
申请日：2019-05-10
Applicant: 辽宁大学
IPC: G06F18/2411 , G06N3/0455 , G06N3/048 , G06N3/08 , G01M13/045
Abstract: 一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法，包括以下步骤：(1)信号采样；(2)降噪处理；(3)特征提取；(4)故障诊断划分；(5)机械设备状态诊断。本发明使用两种核函数权重相加的方式代替原来单一核函数单独作用，改进相关向量机。在Fisher准则和最大熵准则共同作用下求解输入样本映射到特征空间中的方差，确定核函数权重系数。由求得的权重系数，初始化参数，估计超参数，最后得到滚动轴承亚健康识别分类。本发明解决边缘降噪自动编码器约束条件有限、数据压缩能力弱、重构误差大，特征数据表达能力弱的问题，提出了一种了识别准确率高的一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法。
-
公开(公告)号：CN110110447B
公开(公告)日：2023-04-18
申请号：CN201910385160.5
申请日：2019-05-09
Applicant: 辽宁大学
IPC: G06F30/27 , G06N3/006 , G06N3/0499 , G06N3/08
Abstract: 一种混合蛙跳反馈极限学习机带钢厚度预测方法，包括以下步骤：1)分析采集的钢板数据信号；2)特征提取；3)在极限学习机中引入卡尔曼滤波思想，将网络的实际输出与期望输出的差值反馈给输入层，形成一种反馈极限学习机算法。同时运用混合蛙跳算法对反馈极限学习机算法的随机参数进行优化，构建一种混合蛙跳反馈极限学习机预测模型；4)将步骤3)所得的混合蛙跳反馈极限学习机用于带钢出口厚度的预测中，并与传统极限学习机以及混合蛙跳极限学习机进行结果对比，以此验证方法的有效性。本发明通过上述步骤，提供了一种的预测误差小，预测精度高，鲁棒性好的预测方法。
-
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。
-
公开(公告)号：CN110110447A
公开(公告)日：2019-08-09
申请号：CN201910385160.5
申请日：2019-05-09
Applicant: 辽宁大学
Abstract: 一种混合蛙跳反馈极限学习机带钢厚度预测方法，包括以下步骤：1)分析采集的钢板数据信号；2)特征提取；3)在极限学习机中引入卡尔曼滤波思想，将网络的实际输出与期望输出的差值反馈给输入层，形成一种反馈极限学习机算法。同时运用混合蛙跳算法对反馈极限学习机算法的随机参数进行优化，构建一种混合蛙跳反馈极限学习机预测模型；4)将步骤3)所得的混合蛙跳反馈极限学习机用于带钢出口厚度的预测中，并与传统极限学习机以及混合蛙跳极限学习机进行结果对比，以此验证方法的有效性。本发明通过上述步骤，提供了一种的预测误差小，预测精度高，鲁棒性好的预测方法。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
