龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：昆明理工大学
申请日：2024-03-22
公开（公告）日：2024-06-18
公开（公告）号：CN118211152A
主分类号：G06F18/2431
分类号：G06F18/2431;G01H17/00;G06F18/213;G06N3/084;G06N3/086;G06N7/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种基于CSABO‑VMD和多策略改进的BOA‑BP的灯泡贯流水电机组故障诊断方法，属于振动信号处理领域。包括以下步骤采集灯泡贯流水电机组四种工况下的振动信号；使用优化算法CSABO优化VMD分解的k、α两个参数；使用经过优化后的VMD分解方法对采集的振动信号进行分解，利用多尺度样本熵方法从分解后的振动信号中提取特征向量；采用改进后的蝴蝶优化算法优化BP神经网络的权重与偏置，得到优化后的BOA‑BP神经网络；将特征集输入优化后的BOA‑BP神经网络，训练模型得到IBOA‑BP故障诊断模型，将测试集输入IBOA‑BP故障诊断模型进行状态识别，完成对灯泡贯流水电机组振动信号的故障诊断。本方法对于灯泡贯流水电机组振动信号的识别准确率达到95％以上，具有较好的诊断性能和鲁棒性。
主权项：1.一种基于CSABO-VMD和多策略改进的BOA-BP的灯泡贯流水电机组故障诊断方法，其特征在于包括如下步骤：1分别采集灯泡贯流水电机组转子质量不平衡、机组轴系不对中、动静部件碰磨、正常状态四种工况下的振动信号；2在基于减法平均优化算法的基础上引入logistic混沌映射得到优化算法CSABO，使用优化算法CSABO优化VMD分解的k、α两个参数；3使用经过优化后的VMD分解方法对采集的振动信号进行分解，得到分解后的IMF分量；4利用多尺度样本熵方法从分解后的振动信号中提取特征向量，并组成特征集；5在蝴蝶优化算法初始化种群位置时候引入动态反向学习策略，利用已出现种群的位置，不断比较更新，提高初始种群个体质量，并在迭代后期引入t分布变异策略，跳出可能陷入的局部最优陷阱；以此优化BP神经网络的权重与偏置，得到优化后的BOA-BP神经网络；6将特征集分为训练集和测试集，将特征集输入优化后的BOA-BP神经网络，训练模型得到IBOA-BP故障诊断模型，将测试集输入IBOA-BP故障诊断模型进行状态识别，完成对灯泡贯流水电机组振动信号的故障诊断。
全文数据：
权利要求：
百度查询： 昆明理工大学 基于CSABO-VMD和多策略改进的BOA-BP的灯泡贯流水电机组故障诊断方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号