一種新的基于多尺度排列熵的診斷電機(jī)軸承故障機(jī)器學(xué)習(xí)方法

基本信息

申請(qǐng)?zhí)?/td> CN202011617413.6 申請(qǐng)日 -
公開（公告）號(hào) CN112733289A 公開（公告）日 2021-04-30
申請(qǐng)公布號(hào) CN112733289A 申請(qǐng)公布日 2021-04-30
分類號(hào) G06F30/17;G06F30/27;G06K9/62;G06N20/00 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 郎翊東;陳康麟 申請(qǐng)（專利權(quán)）人 杭州朗陽科技有限公司
代理機(jī)構(gòu) 浙江杭州金通專利事務(wù)所有限公司 代理人 金杭
地址 311121 浙江省杭州市余杭區(qū)五常街道文一西路998號(hào)5幢411室
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及軸承預(yù)測(cè)性維護(hù)產(chǎn)品技術(shù)領(lǐng)域，且公開了一種新的基于多尺度排列熵的診斷電機(jī)軸承故障機(jī)器學(xué)習(xí)方法，解決了目前市場(chǎng)上的排列熵多尺度參數(shù)難選的問題，本發(fā)明基于多尺度排列熵的診斷電機(jī)軸承故障機(jī)器學(xué)習(xí)方法的好處是簡(jiǎn)化了多尺度排列熵的關(guān)鍵尺度參數(shù)的選擇，通過PCA對(duì)特征維度進(jìn)行了壓縮，不僅精簡(jiǎn)了維度而且讓分類器更易于學(xué)習(xí)，結(jié)合貝葉斯分類器和多數(shù)投票法融合讓軸承故障分類變得更加精準(zhǔn)，實(shí)用性更強(qiáng)，最后通過多數(shù)投票法融合多個(gè)數(shù)據(jù)可以進(jìn)一步提升準(zhǔn)確率。