摘要
本发明提出了一种面向自适应参数完全广义基尼系数的高速轴承故障诊断方法,包括下述步骤:1:建立轴承不同状态数据集;2:对信号进行分解,得到模态分量;3:选取部分模态分量计算其完全广义基尼系数,即对信号进行稀疏化处理;4:建立自适应寻优模型,将最小皮尔逊相关性作为目标函数,计算步骤3中特征故障信息的相关性,对FGGI相关参数a和p进行自适应选取;5:根据步骤4获取的最优参数,得到轴承故障特征数据;步骤6:对故障特征数据进行处理,去除冗余信息;7:建立深度极限学习机分类模型;8:针对深度极限学习机在进行分类识别;本发明通过自适应选取FGGI相关参数,其可以保证后续处理后故障特征信息的准确性。
技术关键词
高速轴承
深度极限学习机
故障诊断方法
参数优化模型
轴承故障特征
故障特征信息
广义
故障诊断模型
特征故障
数据
组合故障
自动编码器
信号
序列
矩阵
节点
因子
系统为您推荐了相关专利信息
生成参数
数据
机器学习处理器
机器学习算法
环境温湿度变化
鲁棒滤波器
试验设备
执行机构故障
燃油计量活门
故障检测滤波器
变电设备
故障诊断模型
故障诊断方法
图像分割模型
多光谱
绝缘管套
变压器绝缘套管
故障诊断模型
可见光图像
纹理特征
精炼控制系统
新型镁合金
耐高温抗干扰
长短期记忆网络
熔体