-
公开(公告)号：CN117370762A
公开(公告)日：2024-01-09
申请号：CN202311508085.X
申请日：2023-11-14
Applicant: 燕山大学
IPC: G06F18/20 , G06F18/213 , G06F18/241 , G01M13/00
Abstract: 本发明公开了一种基于超维计算的小样本故障诊断方法，属于机械设备故障诊断技术领域，包括采集多种机械设备的振动信号原始数据，设计信号高效预处理模块，对原始振动信号进行局部特征信息的计算；设计超维计算的时间序列样本编码方式，即多元型样本编码，用于将提取到的振动信号局部特征编码成一系列的超维向量，形成一个超维空间；确定相似度衡量标准，设计相似度衡量融合决策，将振动信号的局部特征信息输入到超维计算模型中进行训练，训练结果被称作查询超向量；用不同比例的测试集对训练得到的模型进行测试分类，得到模型训练的最终结果，并利用多个故障数据对模型进行分析检验。本发明可以高效提取故障特征，提高了故障诊断的效率和精度。
Search Results
1
records
(took 0.01 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
