[发明专利]一种基于广义支持向量机的液压部件健康状态检测方法在审
| 申请号： | 201910614733.7 | 申请日： | 2019-07-09 |
| 公开（公告）号： | CN110427974A | 公开（公告）日： | 2019-11-08 |
| 发明（设计）人： | 吴军;郭鹏飞;陈作懿;严喆;程一伟;邓超;朱海平 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 孔娜;曹葆青 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于设备状态监测相关技术领域，其公开了一种基于广义支持向量机的液压部件健康状态检测方法，该方法包括以下步骤：(1)获取多组样本液压部件处于不同健康状态下的传感器信号以作为样本数据，且同时获得对应的的健康状态数据；(2)计算所得到的特征数据与所述健康状态数据之间的相关性，并选取训练特征；(3)采用堆叠集成学习方法构建多个广义支持向量机模型，并采用所述广义支持向量机模型训练过程中所输出的数据来训练得到随机森林模型，由此得到了广义支持向量机检测模型；(4)将得到的待测液压部件的实时传感器信号数据输入到所述广义支持向量机检测模型，以进行健康状态检测。本发明提高了检测精度及灵活性，适用性较强。 | ||
| 搜索关键词： | 支持向量机 健康状态 液压部件 检测 健康状态数据 支持向量机模型训练 支持向量机模型 设备状态监测 传感器信号 实时传感器 堆叠集成 随机森林 特征数据 信号数据 训练特征 样本数据 构建 样本 输出 学习 | ||
【主权项】：
1.一种基于广义支持向量机的液压部件健康状态检测方法，其特征在于，该方法包括以下步骤：(1)获取多组样本液压部件处于不同健康状态下的传感器信号以作为样本数据，且同时获得每个样本数据对应的样本液压部件所处的健康状态数据；(2)对所述样本数据进行数据清洗，并对清洗后的所述样本数据提取统计特征；(3)基于皮尔森相关系数计算所得到的特征数据与所述健康状态数据之间的相关性，并将所述特征数据按照对应的相关性自大到小进行排序，选取排在前预定个数的特征作为训练特征；(4)基于所述训练特征及所述训练特征所对应的健康状态数据，采用堆叠集成学习方法构建多个广义支持向量机模型，并采用所述广义支持向量机模型训练过程中所输出的数据来训练得到随机森林模型，由此得到了由堆叠集成学习方法集成的广义支持向量机检测模型；(5)在线实时获取待测液压部件的传感器信号数据，并将得到的传感器信号数据输入到所述广义支持向量机检测模型，进而所述广义支持向量机检测模型对待测液压部件进行健康状态检测。
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华中科技大学，未经华中科技大学许可，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/201910614733.7/，转载请声明来源钻瓜专利网。
