基于多指标融合的故障特征选择及分类方法研究
基本信息
| 申请号 | CN202210379191.1 | 申请日 | - |
| 公开（公告）号 | CN114692695A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114692695A | 申请公布日 | 2022-07-01 |
| 分类号 | G06K9/00（2022.01）I;G06K9/62（2022.01）I;G01M13/045（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 彭成;欧阳裕尧;唐朝晖;袁鑫攀;邓晓军 | 申请（专利权）人 | 湖南工业大学 |
| 代理机构 | 广州市红荔专利代理有限公司 | 代理人 | - |
| 地址 | 412007湖南省株洲市天元区泰山西路88号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 基于多指标融合的故障特征选择及分类方法研究，首先将原始信号通过改进CELMD方法分解为多个PF分量和单个残余分量；然后融合峭度、相关系数和K‑L散度三个指标提取最适合的PF分量进行信号重构；最后提取重构信号的多域特征和熵值特征，输入LightGBM分类器进行分类，实现滚动轴承故障的智能分类。本发明改善了端点效应，缓解了模态混叠的现象，有效减少了虚假分量对故障诊断的影响，进一步提高了故障诊断的分类准确度，并最终有效对不同故障类型进行分类。 |
