摘要
本发明提供一种轨道交通机电设备无监督诊断方法及系统,诊断方法包括:采集轨道交通机电设备运行数据,构成原始运行数据集;提取该数据集的时域、频域、时频域特征,构成原始特征集,对原始特征集各特征进行评分,利用帕累托原则选择特征,组成过滤特征集;将过滤特征集作为训练集,循环训练得到训练集模型;获得训练集模型聚类结果,训练得到聚类数范围内所有诊断模型,比较各诊断模型与训练集模型的聚类结果,得到最优诊断模型,输出聚类结果,对各聚类簇样本进行分类标记,对训练集进行更新,用于下一轮模型训练。本发明可自动完成信号预处理、特征选择、异常样本剔除、无监督模型构建、关键部件异常状态识别的端到端无监督故障诊断流程。
技术关键词
聚类算法
机电设备
算法模型
训练集数据
无监督聚类
样本
诊断方法
诊断系统
GMM算法
模型训练模块
集成经验模态分解
标记
FCM算法
频域特征
DBSCAN算法
特征选择
系统为您推荐了相关专利信息
算法模型
深度神经网络
生成测试数据
随机森林
软件
轴向精准定位
盖玻片
判断方法
训练判别模型
线性判别分析方法
风电机组叶片
数据分布
诊断方法
有功功率
密度聚类算法
风险预测方法
预测特征
编码向量
直肠癌
编码器模块