[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
