龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江苏科技大学
摘要：本发明是一种基于小波包分解和1D‑CNN的继电器寿命预测方法，包括步骤1进行熔焊实验，监测并存储电磁继电器的敏感参数；步骤2：利用小波包分解对继电器敏感参数进行分解和重构，提取数据中的时频特征；步骤3：对经过步骤2处理过的数据添加剩余寿命标签，划分训练集、验证集和测试集，并打乱数据的排列方式；步骤4：建立以1D‑CNN为基础的深度学习寿命预测模型，确定学习率、激活函数、损失函数和模型结构，建立多个平行对照组，选取最优模型；步骤5：保存最优的模型与超参；步骤6：利用深度学习寿命预测模型对测试集进行寿命预测。本发明解决了现有的电磁继电器寿命预测模型提取数据特征困难的缺陷，提高了模型的预测精度。
主权项：1.一种基于小波包分解和1D-CNN的继电器寿命预测方法，其特征在于：继电器寿命预测方法包括如下步骤：步骤1：利用触点材料电性能模拟实验系统对电磁继电器触头进行熔焊实验，监测并存储电磁继电器的敏感参数；步骤2：利用小波包分解对继电器敏感参数进行分解和重构，提取数据中的时频特征，达到降噪的目的；步骤3：对经过步骤2处理过的数据添加剩余寿命标签，划分训练集、验证集和测试集，并打乱数据的排列方式，提高模型的准确度；步骤4：建立以一维卷积神经网络为基础的深度学习寿命预测模型，确定学习率、激活函数、损失函数和模型结构，建立多个平行对照组，选取最优模型；步骤5：利用训练集对步骤4中的深度学习寿命预测模型进行训练，利用验证集对步骤4中的深度学习寿命预测模型进行评估，保存最优的模型与超参；步骤6：利用深度学习寿命预测模型对测试集进行寿命预测，将预测寿命与继电器的实际寿命进行对比，确定模型的准确度与损失。
全文数据：
权利要求：
百度查询： 江苏科技大学 基于小波包分解和1D-CNN的继电器寿命预测方法
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。
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