咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >一种基于信息融合的人工智能滚动轴承故障诊断方法 收藏
一种基于信息融合的人工智能滚动轴承故障诊断方法

一种基于信息融合的人工智能滚动轴承故障诊断方法

专利申请号:CN202310263219.X

公 开 号:CN116484310A

发 明 人:李冰 汪江 毛旭初 陈松 武林 韦皓 王震 刘美茹 

代 理 人:曹洪

代理机构:南京禹为知识产权代理事务所(特殊普通合伙)

专利类型:发明专利

申 请 日:20230725

公 开 日:20230317

专利主分类号:G06F18/25

关 键 词:故障特征提取 训练集 滚动轴承 滚动轴承故障诊断 支持向量机分类器 随机性 贝叶斯分类器 加速度传感器 振动数据采集 单个分类器 人工智能 概率分布 故障诊断 含噪信号 决策融合 特征融合 信息融合 原始振动 噪音信号 诊断结果 证据理论 测试集 泛化性 分类器 特征层 证据体 准确率 样本 电机 分类 改进 

摘      要:本发明公开了一种基于信息融合的人工智能滚动轴承故障诊断方法,包括:利用加速度传感器对电机进行振动数据采集,得到原始振动数据,添加噪音信号,并按设定的比例随机划分成训练集和测试集;将含噪信号的训练集输入到不同参数的1DCNN‑LSTM通道中进行故障特征提取并在特征层进行特征融合并分别输送至贝叶斯分类器、支持向量机分类器和softmax分类器中,得到每个样本对应的三种不同概率分布的证据体;利用改进后的D‑S证据理论进行决策融合,得到最终的诊断结果。本发明对滚动轴承的故障特征提取更加全面,以及有效避免单个分类器分类精度不高以及随机性强的问题,能得到更高的故障诊断准确率,具有良好的泛化性和稳定性。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分