基于混合式自编码器集成学习模型检测电机的方法

AITNT
正文
推荐专利
基于混合式自编码器集成学习模型检测电机的方法
申请号:CN202411591732
申请日期:2024-11-08
公开号:CN119476368B
公开日期:2025-06-24
类型:发明专利
摘要
本发明公开了基于混合式自编码器集成学习模型检测电机的方法,涉及电机的测试技术领域;其包括:步骤S1:构建获得混合式自编码器集成学习模型,该模型包括m*n种基模型,一种基模型包括一种音频特征提取方法和一种自编码器AU;步骤S2:训练每一基模型的自编码器AU获得训练好的基模型,将训练集中电机正常的音频数据输入至每一训练好的基模型训练获得最佳基模型;步骤S3:将测试集电机正常和异常的音频数据输入至每一最佳基模型,获得每一最佳基模型的测试集异常分数,将所有异常分数平均获得测试集的异常分数;基模型之间的差异越大,基模型的精度越高,混合式自编码器集成学习模型的精度也就越高,进而使得电机异常检测精度更高。
技术关键词
集成学习模型 编码器 音频特征提取方法 梅尔频率倒谱系数 短时傅里叶变换 输出特征 电机异常检测 重构误差 误差函数 滤波器 离散余弦变换 数据 梯度下降法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号