[发明专利]基于k均值的RBF神经网络算法的电机故障诊断方法在审
申请号: | 201510799865.3 | 申请日: | 2015-11-19 |
公开(公告)号: | CN105487009A | 公开(公告)日: | 2016-04-13 |
发明(设计)人: | 王洋;朱先铭;范思哲 | 申请(专利权)人: | 上海电机学院 |
主分类号: | G01R31/34 | 分类号: | G01R31/34;G06N3/08;G06N3/04 |
代理公司: | 上海思微知识产权代理事务所(普通合伙) 31237 | 代理人: | 菅秀君 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于k均值的RBF神经网络算法的电机故障诊断方法,包括:根据k均值聚类算法提取出电机的故障样本集,利用故障样本集使RBF神经网络开始学习训练;当RBF神经网络训练完成后,使各个隐节点的数据中心相应的输出权值不再改变,随后使RBF神经网络进入工作状态,已训练完成的RBF神经网络中的数据中心和连接权值记录了故障特征;电机测试数据经过归一化处理;将归一化处理后的电机测试数据传递至RBF神经网络以形成故障征兆,将故障征兆传递给RBF神经网络;将传递进来的故障征兆与RBF神经网络中记录的故障特征进行比较;在传递进来的故障征兆与RBF神经网络中记录的特定故障特征之间的相似度大于预定阈值时,RBF神经网络输出与特定故障特征对应的故障类型。 | ||
搜索关键词: | 基于 均值 rbf 神经网络 算法 电机 故障诊断 方法 | ||
【主权项】:
一种基于k均值的RBF神经网络算法的电机故障诊断方法,其特征在于包括:第一步骤:根据k均值聚类算法提取出电机的故障样本集,并利用故障样本集使RBF神经网络开始学习训练;第二步骤:当RBF神经网络训练完成以后,使得各个隐节点的数据中心相应的输出权值不再改变,随后使RBF神经网络进入工作状态;第三步骤:使得电机测试数据经过归一化处理;第四步骤:将归一化处理后的电机测试数据传递至RBF神经网络以形成故障征兆,然后将故障征兆传递给RBF神经网络;第五步骤:将传递进来的故障征兆与RBF神经网络中记录的故障特征进行比较;第六步骤:在传递进来的故障征兆与RBF神经网络中记录的特定故障特征之间的相似度大于预定阈值时,RBF神经网络输出与特定故障特征对应的故障类型。
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上海电机学院,未经上海电机学院许可,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/201510799865.3/,转载请声明来源钻瓜专利网。
- 上一篇:一种陶瓷台灯结构
- 下一篇:一种局部放电脉冲提取方法