[发明专利]一种基于混合小波神经网络的工业设备故障诊断方法在审
| 申请号： | 201910261241.4 | 申请日： | 2019-04-01 |
| 公开（公告）号： | CN110727256A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 张瑞聪;张卫山;房凯 | 申请（专利权）人： | 中国石油大学(华东) |
| 主分类号： | G05B23/02 | 分类号： | G05B23/02 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于混合小波神经网络的工业设备故障诊断方法，以音频信号作为故障信息的载体输入到Mixed‑BPWNN模型，得到音频信号中的中所包含的故障信息。其核心方法包括两个方面：一方面对采集的音频信号进行小波分析，另一方面将传统网络模型中隐含层的激活函数用小波函数替代。该方法充分继承了小波变换良好的时频局部化性质及神经网络的自学习功能的特点，保留了全局最优解和局部细节最优解的优势，大大提高了网络模型对音频数据的处理能力和对故障诊断的精确度。 | ||
| 搜索关键词： | 音频信号 故障信息 混合小波神经网络 工业设备故障 局部化性质 全局最优解 传统网络 故障诊断 激活函数 局部细节 神经网络 网络模型 小波变换 小波分析 小波函数 音频数据 隐含层 自学习 最优解 时频 采集 诊断 替代 保留 继承 | ||
【主权项】：
1.一种基于混合小波神经网络的工业设备故障诊断方法，其特征在于，将小波分析和BP神经网络进行“松散型”和“紧致型”的混合融合，提出Mixed-BPWNN(混合-BP小波神经网络)模型，结合小波分析对音频信号特征提取的能力和神经网络的自学习能力，对音频数据进行故障诊断，包括以下步骤：/n步骤(1)、将采集的音频信号用db系列的小波进行小波分解；/n步骤(2)、重构每层的细节分量并计算每层细节信号的能量值；/n步骤(3)、以传统的BP神经网络拓扑结构为基础，将隐含层的激活函数用小波函数替代，得到Mixed-BPWNN模型；/n步骤(4)、根据设备不同运转状态下的高频细节信号能量分布，将能量组成特征向量，该特征向量对应设备运转的故障模式，归一化输入到Mixed-BPWNN模型。/n
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中国石油大学(华东)，未经中国石油大学(华东)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/201910261241.4/，转载请声明来源钻瓜专利网。
