[发明专利]基于纠错输出编码支持向量机的电机故障诊断方法和系统在审

专利信息
申请号: 201810268304.4 申请日: 2018-03-29
公开(公告)号: CN108562853A 公开(公告)日: 2018-09-21
发明(设计)人: 张旭东;黄亦翔;刘成良 申请(专利权)人: 上海交通大学
主分类号: G01R31/34 分类号: G01R31/34;G01H17/00
代理公司: 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 代理人: 徐红银
地址: 200240 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 振动信号 纠错输出编码 支持向量机 特征向量 电机故障诊断 输出向量 小波包分解 诊断 传统电机 二值编码 分类能力 故障类型 故障诊断 交流电机 类别标签 学习能力 指示故障 分类器 向量 重构 电机
【权利要求书】:

1.一种基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,包括:

获取交流电机的振动信号,通过小波包分解与重构提取所述振动信号的特征向量;

将所述振动信号的特征向量作为目标纠错输出编码支持向量机的输入,得到与所述振动信号的特征向量对应的输出向量;

将所述输出向量与用于指示故障类别标签对应的二值编码向量进行对比,以判断电机的故障类型。

2.根据权利要求1所述的基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,在将所述振动信号的特征向量作为目标纠错输出编码支持向量机的输入,得到与所述振动信号的特征向量对应的输出向量之前,还包括:

选取4种类型的交流电机:正常电机、转子不平衡故障电机、内置不对中故障电机和轴承故障电机;

通过NI cRIO-9030控制系统采集所述4种类型的交流电机的振动信号;

通过小波包分解与重构提取所述4种类型交流电机振动信号的特征向量;

为所述4种类型的交流电机的振动信号的特征向量分别添加不同的标签,并将添加标签后的特征向量进行交叉验证后,划分为:训练集数据和测试集数据;其中,训练集数据和测试集数据均设置有用于指示故障类型的标签;

通过所述训练集数据对初始纠错输出编码支持向量机进行训练,得到训练好的纠错输出编码支持向量机;

通过所述测试集数据对所述训练好的纠错输出编码支持向量机进行测试,以得到通过测试的目标纠错输出编码支持向量机。

3.根据权利要求2所述的基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,所述通过小波包分解与重构提取所述4种类型交流电机振动信号的特征向量,包括:

选取小波包分解的初始层数;

通过小波包对所述4种类型的交流电机的振动信号进行降噪处理,得到降噪信号;

绘制所述降噪信号的功率谱图与1/3倍频程谱图;

根据所述降噪信号的功率谱与1/3倍频程谱的能量分布确定小波包分解的最终层数,并进行小波包重构处理后得到重构后的信号;

根据所述重构后的信号绘制小波包能量谱图;其中,所述小波包能量谱图即为所述4种类型的交流电机的振动信号的特征向量。

4.根据权利要求2所述的基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,所述通过所述训练集数据对初始纠错输出编码支持向量机进行训练,得到训练好的纠错输出编码支持向量机,包括:

以用于指示故障类型的标签的准确率作为评价指标,通过交叉网格搜索获取所述初始纠错输出编码支持向量机中的最优参数,所述最优参数包括:核函数kernel、核函数参数gamma、惩罚参数C;

将训练数据集作为所述初始纠错输出编码支持向量机的输入,将所述初始纠错输出编码支持向量机输出的编码输出向量与用于指示故障类型的标签对应的二值编码向量逐一进行对比;并根据汉明距离最小的原则,将最接近于编码输出向量的二值编码向量对应的用于指示故障类型的标签作为诊断的结果;

当所述用于指示故障类型的标签的准确率大于预设阈值时,保存所述纠错输出编码支持向量机中的最优参数,得到训练好的纠错输出编码支持向量机。

5.根据权利要求2所述的基于纠错输出编码支持向量机的电机故障诊断方法,其特征在于,所述通过所述测试集数据对所述训练好的纠错输出编码支持向量机进行测试,以得到通过测试的目标纠错输出编码支持向量机,包括:

将测试集数据作为训练好的纠错输出编码支持向量机的输入,以用于指示故障类型的标签的准确率作为评价指标,当所述训练好的纠错输出编码支持向量机的编码输出向量与用于指示故障类型的标签对应的二值编码向量一致时,测试通过,否则,测试失败。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810268304.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top