[发明专利]基于量子遗传算法优化支持向量机的轴承故障诊断方法在审
| 申请号： | 201610352279.9 | 申请日： | 2016-05-24 |
| 公开（公告）号： | CN106053067A | 公开（公告）日： | 2016-10-26 |
| 发明（设计）人： | 朱兴统;熊建斌;许波 | 申请（专利权）人： | 广东石油化工学院 |
| 主分类号： | G01M13/04 | 分类号： | G01M13/04 |
| 代理公司： | 广东祁增颢律师事务所 44318 | 代理人： | 曾琦;曾美萍 |
| 地址： | 525000 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的基于量子遗传算法优化支持向量机的轴承故障诊断方法，包含以下步骤：（1）采集轴承的振动信号；（2）计算无量纲指标；（3）基于云模型量子遗传算法优化支持向量机的模型参数C和σ；（4）对支持向量机模型进行训练；（5）利用支持向量机模型进行故障诊断；（6）输出轴承故障诊断结果。本发明的轴承故障诊断方法具有诊断准确率高的优点，为解决轴承故障诊断问题提供一种新的方法。 | ||
| 搜索关键词： | 基于 量子 遗传 算法 优化 支持 向量 轴承 故障诊断 方法 | ||
【主权项】：
基于量子遗传算法优化支持向量机的轴承故障诊断方法，其特征在于：包括有以下步骤：步骤一、采集轴承的振动信号利用测振系统采集轴承的振动信号；步骤二、计算无量纲指标对所采集的振动信号计算出5个无量纲指标：波形指标、脉冲指标、裕度指标、峰值指标及峭度指标，得到训练样本数据集和测试样本数据集；步骤三、优化支持向量机的模型参数C和σ利用云模型量子遗传算法对支持向量机的模型参数C和σ进行寻优，得到最优的参数C和σ的取值；步骤四、对支持向量机进行训练；将最优的参数C和σ的取值代入支持向量机模型中，利用训练样本数据对支持向量机模型进行训练；步骤五、利用支持向量机模型进行故障诊断；将测试样本数据输入到训练好的支持向量机模型中进行故障诊断；步骤六、输出轴承故障诊断结果。
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广东石油化工学院，未经广东石油化工学院许可，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/201610352279.9/，转载请声明来源钻瓜专利网。
