[发明专利]基于小波神经网络的回转窑故障诊断方法、故障诊断GUI及系统在审
| 申请号： | 201710545687.0 | 申请日： | 2017-07-06 |
| 公开（公告）号： | CN107202952A | 公开（公告）日： | 2017-09-26 |
| 发明（设计）人： | 艾红;谷雨;张仰森 | 申请（专利权）人： | 北京信息科技大学 |
| 主分类号： | G01R31/28 | 分类号： | G01R31/28;G06K9/62;G06N3/04 |
| 代理公司： | 北京中建联合知识产权代理事务所(普通合伙)11004 | 代理人： | 宋元松,朱丽岩 |
| 地址： | 100192 北京市海淀*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于小波神经网络的回转窑故障诊断方法、故障诊断GUI及系统，故障诊断方法步骤如下获取回转窑在不同故障下对应的电流信号波形；对获取的电流信号波形进行消噪处理；对消噪处理的电流信号波形进行小波包特征向量提取；将提取的多组特征向量输入神经网络进行训练，通过不同故障的特征向量识别不同故障对应的能量在不同频带的特征，进而区分故障种类；利用训练的概率神经网络进行故障诊断，并输出故障类型。本发明提供的基于小波神经网络的回转窑故障诊断系统配置合理，使用特征向量训练神经网络识别故障种类，采用概率神经网络进行故障诊断，实现了回转窑运行的实时监控，提高了生产效率，降低了综合运行成本，避免了事故的发生。 | ||
| 搜索关键词： | 基于 神经网络 回转 故障诊断 方法 gui 系统 | ||
【主权项】：
基于小波神经网络的回转窑故障诊断方法，其特征在于，包括以下步骤：S1，获取回转窑在不同故障下对应的电流信号波形；S2，对步骤S1中获取的电流信号波形进行消噪处理；S3，对消噪处理的电流信号波形进行小波包特征向量提取；S4，将提取的多组特征向量输入神经网络进行训练，通过不同故障的特征向量识别不同故障对应的能量在不同频带的特征，进而区分故障种类；S5，利用训练的概率神经网络进行故障诊断，并输出故障类型。
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北京信息科技大学，未经北京信息科技大学许可，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/201710545687.0/，转载请声明来源钻瓜专利网。
