[发明专利]一种基于概率密度比的数据融合的设备故障诊断方法在审
| 申请号： | 201711460528.7 | 申请日： | 2017-12-28 |
| 公开（公告）号： | CN108108765A | 公开（公告）日： | 2018-06-01 |
| 发明（设计）人： | 宋萍;刘雄军;杨诚 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京理工大学专利中心 11120 | 代理人： | 高燕燕 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于概率密度比的数据融合的设备故障诊断方法，能够提升机械失效程度识别精度。步骤A：将历史特征数据与诊断对象特征数据分为若干区间，分别统计各区间数据所占整个数据集的比例，求二者比例的比值，取此比值作为历史特征数据的相似度权重，融合两部分数据构造训练数据集；步骤B：取训练数据集中一部分数据训练softmax分类器，用另一部分数据验证分类准确度，采用梯度下降法调整模型参数，当误差小于预定阈值或训练次数达到预先设定次数时停止训练，或通过多次交叉验证，训练得到最优分类器；步骤C：将诊断对象特征数据代入softmax分类器得到诊断对象失效状态。 | ||
| 搜索关键词： | 诊断对象 设备故障诊断 历史特征 数据融合 特征数据 分类器 密度比 分类准确度 训练数据集 最优分类器 程度识别 交叉验证 模型参数 失效状态 数据构造 数据训练 数据验证 训练数据 数据集 下降法 相似度 概率 权重 融合 统计 | ||
【主权项】：
1.一种基于概率密度比的数据融合的设备故障诊断方法，其特征在于，包括如下步骤：步骤A：将历史特征数据与诊断对象特征数据分为若干区间，分别统计各区间数据所占整个数据集的比例，求二者比例的比值，取此比值作为数据的相似度权重，融合两部分数据构造训练数据集；步骤B：取训练数据集中一部分数据训练softmax分类器，用另一部分数据验证分类准确度，采用梯度下降法调整模型参数，当误差小于预先设定阈值或训练次数达到预先设定次数时停止训练，或通过多次交叉验证，训练得到最优分类器；步骤C：将诊断对象特征数据代入softmax分类器得到诊断对象故障状态。
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北京理工大学，未经北京理工大学许可，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/patent/201711460528.7/，转载请声明来源钻瓜专利网。
