- 专利标题： 基于故障机理和统计模型在线学习的设备故障诊断方法
-
申请号： CN201810424763.7申请日： 2018-05-07
-
公开(公告)号： CN109033930B公开(公告)日： 2022-05-13
- 发明人: 马波 , 蔡伟东 , 赵大力 , 高金吉 , 江志农
- 申请人： 北京化工大学
- 申请人地址： 北京市朝阳区北三环东路15号
- 专利权人： 北京化工大学
- 当前专利权人： 北京化工大学
- 当前专利权人地址： 北京市朝阳区北三环东路15号
- 主分类号： G06K9/00
- IPC分类号： G06K9/00 ; G06K9/62 ; G06V10/774 ; G06V10/764 ; G06V10/778
摘要：
一种基于故障机理和统计模型在线学习的机械设备故障诊断方法，属于机械设备故障诊断领域，具体步骤为：(1)基于工况特性与实时状态监测数据构建健康数据生成模型；(2)基于故障机理和健康数据生成模型构建诊断模型；(3)判别设备可能发生的故障类型；(4)确定设备发生的各类型故障概率。本方法将设备故障机理和实时运行数据相结合，构建针对具体一台设备的故障诊断模型，有效解决了现有方法中模型学习故障案例数据不足，模型泛化能力差的问题。
公开/授权文献
- CN109033930A 一种基于故障机理和统计模型在线学习的机械设备故障诊断方法 公开/授权日：2018-12-18
