加载中...
首页专利查询专利详情

*来源于国家知识产权局数据,仅供参考,实际以国家知识产权局展示为准

一种基于特征节点增量式宽度学习的电机故障诊断方法

发明专利有效专利
  • 申请号:
    CN201910401213.8
  • IPC分类号:G01R31/34;G06N3/04;G06N3/08
  • 申请日期:
    2019-05-15
  • 申请人:
    吉林大学珠海学院
著录项信息
专利名称一种基于特征节点增量式宽度学习的电机故障诊断方法
申请号CN201910401213.8申请日期2019-05-15
法律状态授权申报国家中国
公开/公告日2019-08-20公开/公告号CN110146812A
优先权暂无优先权号暂无
主分类号G01R31/34IPC分类号G;0;1;R;3;1;/;3;4;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人吉林大学珠海学院申请人地址
广东省珠海市金湾区草堂村吉林大学珠海学院 变更 专利地址、主体等相关变化,请及时变更,防止失效
权利人吉林大学珠海学院当前权利人吉林大学珠海学院
发明人江赛标;李嘉;杜晓标
代理机构广州赤信知识产权代理事务所(普通合伙)代理人龚素琴
摘要
本发明公开一种基于特征节点增量式宽度学习的电机故障诊断方法,该方法采用特征节点增量式宽度学习方法来诊断感应电动机故障。特征节点增量式宽度学习(IBL)的结构简洁,可以有效地重新训练网络。本发明结合了特征提取(粒子群优化‑变异模态分解和时域统计特征)、特征节点增量式宽度学习和非负矩阵分解来构成一个三相电动机的智能诊断方法。实验结果表明该方法在诊断三相电动机故障时优于其他算法。此外,通过非负矩阵分解(NMF)简化的IBL误差小、系统更稳定。

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供