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：江苏大学
申请日：2023-11-30
公开（公告）日：2025-01-03
公开（公告）号：CN119249214A
专利技术分类：...与分类模型有关，例如参数或非参数方法[2023.01]
专利摘要：本发明提供一种自适应特征选取的轴承复合故障稀疏分类方法及系统，首先通过类内间、类别间距离度量增强样本特征并去除冗余特征集来实现自适应故障特征筛选，有效提高故障识别性能；使用特征训练集来构建单类故障初始化字典，通过一范数约束项来增强稀疏性并保持模型凸性；使用每个故障类别的相应样本集来进行迭代训练过完备字典，最后通过判别向量实现轴承复合故障的判别分类。本发明所述方法在仿真和试验中与传统方法相比，能有效解决LC‑KSVD算法中的特征自适应选择问题，在小字典情况与强噪声条件下提高故障分类的准确性和鲁棒性，降低时间成本，为工程应用提供有价值的技术参考。
专利权项：1.一种自适应特征选取的轴承复合故障稀疏分类方法，其特征在于，包括以下步骤：步骤S1、自适应特征选取：将轴承复合故障信号样本分为i类别，计算轴承故障信号样本的类内间欧氏距离和类别间欧氏距离特征指标，通过自适应特征选择算法增强样本特征，去除冗余特征集，通过自适应特征选择算法的排序对故障信号实现自适应特征选取，构建每个类别轴承故障信号样本的初始训练集和测试集；步骤S2、模型构建：构建LC-KSVD标签一致性奇异值分解算法模型，加入l1范数约束项从而获得新的目标函数；步骤S3、字典初始化：通过步骤S1所获取的训练集构造初始字典D*0，进而获得初始线性变换矩阵A0与分类器参数W0；步骤S4、字典训练：依据步骤S2获取的目标函数，使用步骤S1所获取的测试集对初始字典D*0进行迭代训练，直到达到指定的迭代步数j，得到特征字典D*j以及对应的线性变换矩阵A和分类器参数W；步骤S5、分类阶段：基于步骤S4得到的特征字典D*j，得到稀疏表示系数矩阵，通过稀疏表示系数矩阵获取判别向量l，通过判别向量l中数值最大的指标对轴承复合故障信号判别分类。
百度查询： 江苏大学 一种自适应特征选取的轴承复合故障稀疏分类方法及系统
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