买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东华大学

摘要：本发明涉及一种基于WSVM和DCAE的涤纶长丝生产的故障诊断方法和系统，方法流程如下：1分别训练WSVM模型和DCAE模型得到WSVM分类器和DCAE分类器；2将WSVM分类器和DCAE分类器结合；3采集多组故障特征参数数据并进行预处理后将其输入到WSVM分类器中确定故障诊断标签故障、正常和模糊；4将故障诊断标签为故障和模糊的数据输入到DCAE分类器中确定故障类型标签，同时将故障诊断标签为正常的数据对应的故障类型标签记为正常合格后输出；系统包括数据获取模块、WSVM模型训练模块、DCAE模型训练模块和故障诊断初筛模块。本发明结合了传统机器学习和神经网络算法优点的同时结合了有监督学习和无监督学习的优势，显著提升了故障分类的效率和准确度。

主权项：1.一种基于WSVM和DCAE的涤纶长丝生产的故障诊断方法，其特征是，流程如下：1分别训练WSVM模型和DCAE模型得到WSVM分类器和DCAE分类器；2将WSVM分类器和DCAE分类器结合，即将WSVM分类器的部分输出数据作为DCAE分类器的输入数据输入到DCAE的输入层；3采集多组故障特征参数数据并进行预处理后将其输入到WSVM分类器中，由其输出各组故障特征参数数据及其对应的故障诊断标签，故障诊断标签共三类，分别为：故障、正常和模糊；4将故障诊断标签为故障和模糊的几组故障特征参数数据输入到DCAE分类器中，由其输出各组故障特征参数数据及其对应的故障类型标签，同时将故障诊断标签为正常的几组故障特征参数数据对应的故障类型标签记为正常合格后，输出各组故障特征参数数据及其对应的故障类型标签；训练WSVM模型的过程为：a采集多组故障诊断标签为故障的故障特征参数数据和多组故障诊断标签为正常的故障特征参数数据并进行预处理；b以各组故障特征参数数据为输入，各组故障特征参数数据及其对应的故障诊断标签为理论输出，训练WSVM模型得到一个用于数据初筛的超平面H；c在H两边各划定一段适当的距离，得到两个超平面H1和H2，两个超平面以内的区域为模糊区域，以外的两个区域分别代表故障区域和正常区域，将落入模糊区域的故障特征参数数据的故障诊断标签记为模糊，将落入故障区域的故障特征参数数据的故障诊断标签记为故障，将落入正常区域的故障特征参数数据的故障诊断标签记为正常，即得到WSVM分类器；训练DCAE模型的过程为：i采集故障类型标签已知且包含所有故障类型的多组故障特征参数数据并进行预处理；ii以各组故障特征参数数据为输入，以各组故障特征参数数据及其对应的故障类型标签为理论输出，训练DCAE模型，确定各神经元的连接权值及偏差，即得到DCAE分类器。

全文数据：

权利要求：

百度查询： 东华大学 一种基于WSVM和DCAE的涤纶长丝生产的故障诊断方法和系统