一種新的基于多尺度排列熵診斷齒輪箱故障的機(jī)器學(xué)習(xí)方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202011619133.9 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN112819029A | 公開(kāi)（公告）日 | 2021-05-18 |
| 申請(qǐng)公布號(hào) | CN112819029A | 申請(qǐng)公布日 | 2021-05-18 |
| 分類(lèi)號(hào) | G06K9/62;G06N20/00;G01M13/021;G01M13/028 | 分類(lèi) | 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(yáng)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)明涉及電機(jī)齒輪箱預(yù)測(cè)性維護(hù)技術(shù)領(lǐng)域，且公開(kāi)了一種新的基于多尺度排列熵診斷齒輪箱故障的機(jī)器學(xué)習(xí)方法，解決了目前市場(chǎng)上的齒輪箱故障檢測(cè)過(guò)程中采用經(jīng)典譜分析方法、基于深度學(xué)習(xí)方法和機(jī)器學(xué)習(xí)方法存在的問(wèn)題；本發(fā)明基于多尺度排列熵診斷齒輪箱故障的機(jī)器學(xué)習(xí)方法的好處是基于Adaboost分類(lèi)模型提高了診斷精度，無(wú)需大量標(biāo)定故障數(shù)據(jù)，并且解決了排列熵多尺度參數(shù)難選的問(wèn)題，最后通過(guò)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，方法簡(jiǎn)單實(shí)用，具有較強(qiáng)的創(chuàng)新性和新穎性。 |
