一种新的基于多尺度排列熵诊断齿轮箱故障的机器学习方法
基本信息
| 申请号 | CN202011619133.9 | 申请日 | - |
| 公开（公告）号 | CN112819029A | 公开（公告）日 | 2021-05-18 |
| 申请公布号 | CN112819029A | 申请公布日 | 2021-05-18 |
| 分类号 | G06K9/62;G06N20/00;G01M13/021;G01M13/028 | 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 | 本发明涉及电机齿轮箱预测性维护技术领域，且公开了一种新的基于多尺度排列熵诊断齿轮箱故障的机器学习方法，解决了目前市场上的齿轮箱故障检测过程中采用经典谱分析方法、基于深度学习方法和机器学习方法存在的问题；本发明基于多尺度排列熵诊断齿轮箱故障的机器学习方法的好处是基于Adaboost分类模型提高了诊断精度，无需大量标定故障数据，并且解决了排列熵多尺度参数难选的问题，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，方法简单实用，具有较强的创新性和新颖性。 |
