-
公开(公告)号:CN109297689A
公开(公告)日:2019-02-01
申请号:CN201811057945.1
申请日:2018-09-11
申请人: 中国水利水电科学研究院
摘要: 本发明公开了一种引入权重因子的大型水力机械智能诊断方法,涉及水力机械故障诊断技术领域。该方法,首先利用深度森林的多粒度扫描对所述原始振动信号进行特征转换,然后将转换后的特征代入引入权重因子的深度森林的级联森林中进行有监督的逐级训练,最终以极端梯度提升法(XGBoost)融合结果,得到最终分类结果,完成泵站机组智能诊断。利用深度森林模型,避免了深度神经网络应用于故障诊断领域中的复杂的理论分析、繁琐的调参过程;利用权重因子对类向量进行修正,提高了故障诊断的准确性和有效性;以极端梯度提升法(XGBoost)融合结果,进一步提高了诊断的智能化和准确性,实现了从原始监测数据的端对端的智能故障诊断。
-
公开(公告)号:CN109063782B
公开(公告)日:2021-08-24
申请号:CN201810935911.1
申请日:2018-08-16
申请人: 中国水利水电科学研究院
摘要: 本发明公开了一种自适应泵站故障智能诊断方法,涉及水力机械故障诊断技术领域。该方法针对泵站的故障诊断分类方面,用各种故障数据进行支持向量机分类,分类时采用概念更为简单,而且更易于实现的CSA优化算法对C‑SVC中的参数‑c,与RBF核函数进行优化。提高了分类准确率,缩短了分类所需要的时间,提高了故障诊断的自适应性。从而提高了泵站故障诊断的效率,解决了现有的分类优化算法中实现时间较长,分类不准确等的问题,进而实现自适应的泵站故障智能诊断方法。另外,本发明在进行分类优化之前,在泵站的故障诊断方面引入了经验模态分解和样本熵理论,从而进一步提高了水泵机组故障发生类型的诊断准确率。
-
公开(公告)号:CN109297689B
公开(公告)日:2020-11-06
申请号:CN201811057945.1
申请日:2018-09-11
申请人: 中国水利水电科学研究院
摘要: 本发明公开了一种引入权重因子的大型水力机械智能诊断方法,涉及水力机械故障诊断技术领域。该方法,首先利用深度森林的多粒度扫描对所述原始振动信号进行特征转换,然后将转换后的特征代入引入权重因子的深度森林的级联森林中进行有监督的逐级训练,最终以极端梯度提升法(XGBoost)融合结果,得到最终分类结果,完成泵站机组智能诊断。利用深度森林模型,避免了深度神经网络应用于故障诊断领域中的复杂的理论分析、繁琐的调参过程;利用权重因子对类向量进行修正,提高了故障诊断的准确性和有效性;以极端梯度提升法(XGBoost)融合结果,进一步提高了诊断的智能化和准确性,实现了从原始监测数据的端对端的智能故障诊断。
-
公开(公告)号:CN109063782A
公开(公告)日:2018-12-21
申请号:CN201810935911.1
申请日:2018-08-16
申请人: 中国水利水电科学研究院
CPC分类号: G06K9/6269 , G06F17/5009 , G06K9/6228 , G06N3/006
摘要: 本发明公开了一种自适应泵站故障智能诊断方法,涉及水力机械故障诊断技术领域。该方法针对泵站的故障诊断分类方面,用各种故障数据进行支持向量机分类,分类时采用概念更为简单,而且更易于实现的CSA优化算法对C‑SVC中的参数‑c,与RBF核函数进行优化。提高了分类准确率,缩短了分类所需要的时间,提高了故障诊断的自适应性。从而提高了泵站故障诊断的效率,解决了现有的分类优化算法中实现时间较长,分类不准确等的问题,进而实现自适应的泵站故障智能诊断方法。另外,本发明在进行分类优化之前,在泵站的故障诊断方面引入了经验模态分解和样本熵理论,从而进一步提高了水泵机组故障发生类型的诊断准确率。
-
-
-