申请/专利权人：中国机械总院集团江苏分院有限公司

申请日：2024-04-08

公开（公告）日：2024-06-04

公开（公告）号：CN118013375B

主分类号：G06F18/241

分类号：G06F18/241;G06F18/213;G06F18/214;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及故障检测技术领域，尤其涉及一种基于gsinSOA‑ELM模型的针织机故障检测方法，包括：S1、获取振动传感器采集的针织机的振动数据集；S2、对S1获取的振动数据集进行EMD分解、维纳卡尔曼去噪以及数据重构，以得到重构数据；S3、对S2得到的重构数据进行时域特征提取、频域特征提取以及排列熵特征提取，并将这些特征重新整理成数据集；S4、建立gsinSOA‑ELM模型，通过基于gsin映射的海鸥优化算法对该模型中的连接权值w和神经元阈值b参数进行优化，以得到最优gsinSOA‑ELM模型；S5、采集针织机的实时振动数据，并利用S4得到的最优gsinSOA‑ELM模型进行故障检测，输出针织机的故障检测结果。本申请能提高针织机故障诊断的识别效果和故障排查速率，同时故障诊断实时性高，稳定性更优。

主权项：1.一种基于gsinSOA-ELM模型的针织机故障检测方法，其特征在于，包括以下步骤：S1、获取振动传感器采集的针织机的振动数据集；S2、对步骤S1获取的振动数据集进行EMD分解、维纳卡尔曼去噪以及数据重构，以得到重构数据；S3、对步骤S2得到的重构数据进行时域特征提取、频域特征提取以及排列熵特征提取，并将这些特征重新整理成数据集；S4、建立gsinSOA-ELM模型，通过基于gsin映射的海鸥优化算法对该模型中的连接权值w和神经元阈值b参数进行优化，以得到最优gsinSOA-ELM模型；S5、采集针织机的实时振动数据，并利用步骤S4得到的最优gsinSOA-ELM模型进行故障检测，输出针织机的故障检测结果；在步骤S4中，通过基于gsin映射的海鸥优化算法对模型中的连接权值w和神经元阈值b的优化过程包括以下步骤：S4-1、通过gsin映射初始化海鸥种群，并设置模型错误率为适应度函数，通过gsin映射初始化海鸥种群的公式为： 其中：m、l表示常数，i表示当前迭代次数，Xbest表示当前已知的最优解，itermax表示设置的最大迭代次数，Xn是当前的状态，Xn+1是下一个状态，|lXbest-Xn|表示寻优过程中当前时刻产生粒子的最优位置和当前时刻粒子的差值，表示当前迭代次数与迭代次数比值的平方算子；S4-2、计算每个海鸥个体的适应度函数值；S4-3、比较海鸥个体的适应度函数值，寻找当前最优位置；S4-4、计算猎物的最佳适应度值，并更新个体攻击位置；S4-5、判断是否达到迭代次数，若不满足，则以当前最优位置为搜索区域重复步骤S4-1至步骤S4-4；若满足，则执行步骤S4-6；S4-6、得到最优得连接权值w和神经元阈值b，进而得到最优gsinSOA-ELM模型。

全文数据：

权利要求：

百度查询： 中国机械总院集团江苏分院有限公司 基于gsinSOA-ELM模型的针织机故障检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD