龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：山东科技大学
摘要：本发明公开了基于熵特征与稀疏滤波网络的轴承声信号故障诊断方法，涉及旋转设备故障诊断领域，包括：采集目标轴承声信号；信号分解为IMF分量；评价指标筛选IMF分量；信号重构；提取小波包能量熵特征；特征集划分；训练稀疏滤波网络模型；测试稀疏滤波网络模型；故障诊断。本发明对轴承声信号进行EEMD获得若干个本征模态函数IMF，并根据评价指标选出能够表征原始信号状态的分量进行信号重构，利用小波包分解技术对重构信号进行处理，提取其能量熵特征；最后将能量熵特征以重叠方式划分为训练样本和测试样本，用训练样本训练稀疏滤波网络模型，并用测试样本进行测试。当模型训练完成后用于故障诊断，可实现对目标机械新获取的声信号数据进行故障分类。
主权项：1.基于熵特征与稀疏滤波网络的轴承声信号故障诊断方法，其特征在于，包括如下步骤：S1、采集目标轴承不同健康状态下的声音信号和对应的故障标签；S2、对每一段信号进行集合经验模态分解，将具有不规则频率的信号分解为单频分量；S3、利用评价指标筛选IMF分量，作为表征每一段声信号的数据源；S4、将筛选出的IMF分量叠加，得到重构后的信号；S5、对重构后的信号进行小波包分解，计算小波包系数的能量，基于能量分布计算能量熵，得到能量熵特征；S6、将能量熵特征向量组成样本特征集，分成训练样本和测试样本，将训练样本随机划分，构成未标记的训练子集；S7、训练稀疏滤波网络模型，包括特征学习阶段和分类诊断阶段；S8、测试稀疏滤波网络模型，得出故障诊断分类精度；S9、利用测试完成的稀疏滤波网络模型对目标机械获取的声信号数据进行故障分类。
全文数据：
权利要求：
百度查询： 山东科技大学 基于熵特征与稀疏滤波网络的轴承声信号故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号