Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于TimeVAE-LightGBM的时间序列数据故障诊断方法 

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:西安理工大学

摘要:本发明公开的基于TimeVAE‑LightGBM的时间序列数据的故障诊断方法,步骤如下:数据预处理得到原始数据集;构建TimeVAE网络模型并训练,编码器网络输出X的估计分布,并从中随机采样,生成潜在向量作为解码器网络的输入,解码器输出生成故障数据集;将原始数据集与生成故障数据集进行合并,形成平衡数据集,并划分训练集和测试集;将训练集输入到LightGBM模型进行迭代训练,得到分类模型,进行故障诊断。本发明的故障诊断方法,通过结合TimeVAE和LightGBM,在时间序列数据的故障分类领域取得更好的分类性能,应用广泛,同时提高故障分类的效果,为故障诊断提供可靠保障。

主权项:1.基于TimeVAE-LightGBM的时间序列数据的故障诊断方法,其特征在于,包括如下步骤:步骤1,对CWRU美国凯斯西储大学公开的轴承数据集进行数据预处理,得到原始故障数据集X;步骤2,构建TimeVAE网络模型,包括编码器网络和解码器网络;步骤3,使用步骤1中得到的原始故障数据集X进行TimeVAE模型训练,将原始故障数据集X输入到TimeVAE网络模型中,编码器网络将每个潜在特征表示为概率分布,输出X的估计分布并从中随机采样,生成潜在向量Z作为解码器网络的输入,解码器将潜在向量Z重新映射回原始数据空间,得到生成故障数据集步骤4,将与X进行合并,形成平衡数据集,并划分训练集和测试集;步骤5,将训练集输入到LightGBM模型进行迭代训练,得到分类模型;步骤6,将分类模型作为故障诊断模型,实时输入故障数据进行故障诊断。

全文数据:

权利要求:

百度查询: 西安理工大学 基于TimeVAE-LightGBM的时间序列数据故障诊断方法

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。