摘要
本发明涉及故障诊断技术领域,具体涉及一种基于图正则化的宽度学习机电设备故障诊断方法,包括:获取作动器在每个运行时刻的特征参数以及状态数据;构建宽度学习故障诊断模型;对宽度学习故障诊断模型的目标函数进行改进得到改进后的目标函数;基于流形学习方法在改进后的目标函数中加入正则化项得到最终目标函数;将当前时刻的输入数据输入目标宽度学习故障诊断模型,输出机电设备的状态数据。本发明增强了宽度学习故障诊断模型的鲁棒性,提升了故障诊断准确率。
技术关键词
故障诊断模型
模糊宽度学习
流形学习方法
数据
正则化参数
矩阵
机电设备
故障诊断技术
标准化方法
概率密度函数
表达式
拉普拉斯
节点
鲁棒性
误差
加速度
标记
电机
系统为您推荐了相关专利信息
案件
多维特征向量
样本
特征选择算法
服务器特征
录像
对象
深度学习模型
文本
Kalman滤波器