一种新的基于多尺度排列熵的诊断电机轴承故障机器学习方法
基本信息
| 申请号 | CN202011617413.6 | 申请日 | - |
| 公开（公告）号 | CN112733289A | 公开（公告）日 | 2021-04-30 |
| 申请公布号 | CN112733289A | 申请公布日 | 2021-04-30 |
| 分类号 | G06F30/17;G06F30/27;G06K9/62;G06N20/00 | 分类 | 计算；推算；计数; |
| 发明人 | 郎翊东;陈康麟 | 申请（专利权）人 | 杭州朗阳科技有限公司 |
| 代理机构 | 浙江杭州金通专利事务所有限公司 | 代理人 | 金杭 |
| 地址 | 311121 浙江省杭州市余杭区五常街道文一西路998号5幢411室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及轴承预测性维护产品技术领域，且公开了一种新的基于多尺度排列熵的诊断电机轴承故障机器学习方法，解决了目前市场上的排列熵多尺度参数难选的问题，本发明基于多尺度排列熵的诊断电机轴承故障机器学习方法的好处是简化了多尺度排列熵的关键尺度参数的选择，通过PCA对特征维度进行了压缩，不仅精简了维度而且让分类器更易于学习，结合贝叶斯分类器和多数投票法融合让轴承故障分类变得更加精准，实用性更强，最后通过多数投票法融合多个数据可以进一步提升准确率。 |
