公开(公告)号：CN114019370B

公开(公告)日：2023-04-28

申请号：CN202111156362.6

申请日：2021-09-29

申请人： 西安交通大学

发明人： 刘凌 ,  杨宇辰 ,  范佩樟

IPC分类号： G06F18/24 ,  G06V10/764 ,  G06V10/774 ,  G06F18/213

摘要： 本发明公开了一种基于灰度图像和轻量级CNN‑SVM模型的电机故障检测方法及系统，涉及电机故障诊断领域和深度学习领域，方法包括以下步骤：获取待测试电机的时序信号；基于经验模态分解将时序信号分解为一系列本征模态函数；采用K‑L散度法衡量各个本征模态函数与原始信号的相似性，筛选包含故障信息的敏感分量；基于格拉姆角场法和图像压缩技术，将敏感分量编码为灰度图像，作为样本集；建立基于改进平衡优化器算法优化的新型轻量级CNN‑SVM电机故障检测模型，输入图像样本至CNN‑SVM模型，输出待测试电机的故障诊断结果。本发明将图像处理技术以及深度学习技术和电机的故障检测相融合，能够自适应地逐层提取原始信号中的深层规律，避免了复杂的人工特征提取，实现了端到端的电机大数据特征挖掘及智能化故障检测，有效提高了故障诊断算法的精确度。

公开(公告)号：CN114019370A

公开(公告)日：2022-02-08

申请号：CN202111156362.6

申请日：2021-09-29

申请人： 西安交通大学

发明人： 刘凌 ,  杨宇辰 ,  范佩樟

IPC分类号： G01R31/34

摘要： 本发明公开了一种基于灰度图像和轻量级CNN‑SVM模型的电机故障检测方法及系统，涉及电机故障诊断领域和深度学习领域，方法包括以下步骤：获取待测试电机的时序信号；基于经验模态分解将时序信号分解为一系列本征模态函数；采用K‑L散度法衡量各个本征模态函数与原始信号的相似性，筛选包含故障信息的敏感分量；基于格拉姆角场法和图像压缩技术，将敏感分量编码为灰度图像，作为样本集；建立基于改进平衡优化器算法优化的新型轻量级CNN‑SVM电机故障检测模型，输入图像样本至CNN‑SVM模型，输出待测试电机的故障诊断结果。本发明将图像处理技术以及深度学习技术和电机的故障检测相融合，能够自适应地逐层提取原始信号中的深层规律，避免了复杂的人工特征提取，实现了端到端的电机大数据特征挖掘及智能化故障检测，有效提高了故障诊断算法的精确度。

公开(公告)号：CN116204815A

公开(公告)日：2023-06-02

申请号：CN202310182524.6

申请日：2023-02-28

申请人： 西安交通大学

发明人： 刘凌 ,  范佩樟

IPC分类号： G06F18/24 ,  G06F18/2321

摘要： 本发明公开了一种基于密度峰值聚类和庞加莱截面的振子系统相态判别法方法及系统，构建标准Duffing振子系统，并确定标准Duffing振子系统的状态；然后确定标准Duffing振子系统不同状态所对应的庞加莱截面；其次将标准Duffing振子系统不同状态所对应的庞加莱截面输入到密度峰值聚类算法中，密度峰值聚类算法输出聚类中心；最后根据聚类中心的数目确定标准Duffing振子系统所处的状态。本发明采用密度峰值聚类和庞加莱截面相结合的方法判断Duffing振子系统的状，克服了定性判别法准确率不高和定量判别法耗时长，计算繁琐的缺点，实现了快速精准的判断混沌系统的状态。