[发明专利]基于核密度估计和K-L散度的旋转机械故障诊断方法有效
| 申请号： | 201410100359.6 | 申请日： | 2014-03-18 |
| 公开（公告）号： | CN103868692A | 公开（公告）日： | 2014-06-18 |
| 发明（设计）人： | 刘宇;张凡;陈初杰;李彦锋;杨圆鉴;米金华;黄洪钟 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G01M13/04 | 分类号： | G01M13/04;G01M13/02 |
| 代理公司： | 成都宏顺专利代理事务所(普通合伙) 51227 | 代理人： | 周永宏 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于核密度估计和K-L散度的旋转机械故障诊断方法，包括如下步骤：采集被监测对象的原始振动数据，并划定训练样本集和测试样本集；从步骤1中得到原始振动数据中提取指定时频域特征；选择出少数敏感特征，并且计算这些敏感特征的分类贡献率；利用核密度估计计算训练样本中不同故障类别样本集关于敏感特征的概率密度函数，并计算加入一个未知故障类别待测样本后各类样本集新的概率密度函数；计算出在选定的特征描述下，训练样本中各类故障样本集原始概率密度函数，以及加入一个待测样本后的新概率密度函数两者的K-L散度值；计算集成K-L散度，并通过集成K-L散度的大小判断待测样本的故障类别。从而提高分类器的准确率和推广能力。 | ||
| 搜索关键词： | 基于 密度 估计 旋转 机械 故障诊断 方法 | ||
【主权项】：
一种基于核密度估计和K‑L散度的旋转机械故障诊断方法，包括如下步骤：步骤1：采集被监测对象的原始振动数据，并划定训练样本集和测试样本集；步骤2：从步骤1中得到的原始振动数据中提取指定时频域特征；步骤3：从步骤2中得到的频域特征集中选择出敏感特征，并且计算这些敏感特征的分类贡献率；步骤4：利用核密度估计计算训练样本中不同故障类别样本集关于步骤3中提取的敏感特征的概率密度函数，并计算加入一个未知故障类别待测样本后各类样本集新的概率密度函数；步骤5：计算出在选定的特征描述下，训练样本中各类故障样本集原始概率密度函数，以及加入一个待测样本后的新概率密度函数两者的K‑L散度值；步骤6：计算集成K‑L散度，并通过集成K‑L散度的大小判断待测样本的故障类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410100359.6/，转载请声明来源钻瓜专利网。
- 上一篇：基于对架设高空线路的施工工艺
- 下一篇：一种可移动分支箱
