[发明专利]基于机器学习的叶根螺栓断裂故障检测方法有效
| 申请号： | 201710191583.4 | 申请日： | 2017-03-28 |
| 公开（公告）号： | CN106870298B | 公开（公告）日： | 2020-04-07 |
| 发明（设计）人： | 刘杨;陈亚楠;韩德海;闫慧丽 | 申请（专利权）人： | 中车株洲电力机车研究所有限公司;南京天数智芯科技有限公司 |
| 主分类号： | F03D17/00 | 分类号： | F03D17/00;G06K9/62;G06N20/00 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 戴朝荣 |
| 地址： | 412001*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于机器学习的叶根螺栓断裂故障检测方法。所述基于机器学习的叶根螺栓断裂故障检测方法包括如下步骤：对已知的风机数据进行预处理，并对预处理后的风机数据进行降采样；对降采样后的数据进行标准化处理，并删除标准化处理后数据中的无效特征且对剩余所有特征进行PCA降维；利用降维之后的数据构建多层感知器模型；使用构建好的多层感知器模型预测风机的当前状态是否处于故障状态。本发明的有益效果是：所述基于机器学习的叶根螺栓断裂故障检测方法可以避免了人工去风机发电厂检测的较高费用，而只需要对风机数据建立模型，然后利用模型检测是否存在故障/断裂的螺栓。 | ||
| 搜索关键词： | 基于 机器 学习 螺栓 断裂 故障 检测 方法 | ||
【主权项】：
一种基于机器学习的叶根螺栓断裂故障检测方法，其特征在于：包括如下步骤：1、对已知的风机数据进行预处理，并对预处理后的风机数据进行降采样；2、对降采样后的数据进行标准化处理，并删除标准化处理后数据中的无效特征且对剩余所有特征进行PCA降维；3、利用降维之后的数据构建多层感知器模型；4、使用构建好的多层感知器模型预测风机的当前状态是否处于故障状态。
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车株洲电力机车研究所有限公司;南京天数智芯科技有限公司，未经中车株洲电力机车研究所有限公司;南京天数智芯科技有限公司许可，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/201710191583.4/，转载请声明来源钻瓜专利网。
