- 专利标题： 一种无监督的复杂机械设备异常状态监测方法及系统
-
申请号： CN202311315818.8申请日： 2023-10-12
-
公开(公告)号： CN117056849B公开(公告)日： 2024-02-02
- 发明人: 刘阔 , 崔益铭 , 赵地 , 李明禹 , 王永青
- 申请人： 智能制造龙城实验室 , 大连理工大学
- 申请人地址： 江苏省常州市武进区常武中路18号常州科教城江南现代工业研究院
- 专利权人： 智能制造龙城实验室,大连理工大学
- 当前专利权人： 智能制造龙城实验室,大连理工大学
- 当前专利权人地址： 江苏省常州市武进区常武中路18号常州科教城江南现代工业研究院
- 代理机构： 常州龙诚专利代理事务所
- 代理商 张强
- 主分类号： G06F18/2433
- IPC分类号： G06F18/2433 ; G06F18/2411 ; G06F18/2131 ; G06F18/214 ; G06F18/25 ; G06N3/0455 ; G06N3/048 ; G06N3/088 ; G07C3/00 ; G06F123/02
摘要：
本发明公开了一种无监督的复杂机械设备异常状态监测方法及系统，首先，确定故障敏感部件，采集数据；然后通过运行状态识别算法自动提取所述数据，并划分训练样本，将所述训练样本进行快速傅里叶变换成为多源信号融合样本，将所述多源信号融合样本作为堆叠稀疏自编码器的输入数据；随后建立基于所述堆叠稀疏自编码器的数据提取模型；最后训练基于支持向量数据描述的单分类模型用于所述复杂机械设备异常状态监测。本发明利用复杂机械设备工业数据集进行无监督训练，节省了人工特征提取与数据标注的高昂成本，降低了异常数据缺乏对监测模型准确度的影响，可以应用于复杂机械高强度间歇运动需求，对设备监测健康状态技术的应用
公开/授权文献
- CN117056849A 一种无监督的复杂机械设备异常状态监测方法及系统 公开/授权日：2023-11-14
