公开(公告)号：CN110084316B

公开(公告)日：2023-04-07

申请号：CN201910372132.X

申请日：2019-05-06

Applicant: 安徽工业大学

Inventor： 董治麟 ,  郑近德 ,  潘海洋 ,  童靳于 ,  刘庆运 ,  张义方

IPC: G06F18/2411 ,  G06F18/24 ,  G06N3/006

Abstract: 本发明公开了故障诊断技术领域的一种基于精细时移多尺度排列熵与支持向量机的故障诊断方法，本发明的步骤为：采集待诊断物体的原始故障振动信号；提取原始故障振动信号的精细时移多尺度排列熵值；将故障样本分为多个训练样本和测试样本；采用多个训练样本对基于萤火虫优化的支持向量机多故障分类器进行训练；采用已训练完成的多故障分类器(萤火虫算法优化的支持向量机)对测试样本进行分类；根据分类结果识别故障物体的工作状态和故障类型。本发明提出的故障诊断方法在特征提取的过程中有较高的创新性，在故障识别过程中具有较高的识别度。

公开(公告)号：CN110084316A

公开(公告)日：2019-08-02

申请号：CN201910372132.X

申请日：2019-05-06

Applicant: 安徽工业大学

Inventor： 董治麟 ,  郑近德 ,  潘海洋 ,  童靳于 ,  刘庆运 ,  张义方

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/00

Abstract: 本发明公开了故障诊断技术领域的一种基于精细时移多尺度排列熵与支持向量机的故障诊断方法，本发明的步骤为：采集待诊断物体的原始故障振动信号；提取原始故障振动信号的精细时移多尺度排列熵值；将故障样本分为多个训练样本和测试样本；采用多个训练样本对基于萤火虫优化的支持向量机多故障分类器进行训练；采用已训练完成的多故障分类器(萤火虫算法优化的支持向量机)对测试样本进行分类；根据分类结果识别故障物体的工作状态和故障类型。本发明提出的故障诊断方法在特征提取的过程中有较高的创新性，在故障识别过程中具有较高的识别度。