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：昆明理工大学
摘要：本发明为提高曳引电梯在同时具有多种故障以及样本较少情况下故障诊断的准确率及效率，公开了一种基于CNN与IAO‑SVM的曳引电梯故障诊断，优化惩罚参数c与核参数g后的支持向量机相结合的故障诊断模型。本发明采用EVA‑625检测仪获取电梯的实际振动数据并通过该数据进行后续实验，将诊断结果与其它诊断方法在不同情况下进行比较。实验结果表明，无论在样本充足或是样本较小情况下，本方法均具有极高的故障识别准确率以及良好的效率。
主权项：1.一种基于CNN与IAO-SVM的曳引电梯故障诊断，其特征在于，包括以下步骤：S1、通过振动传感器测量正常与故障情况下电梯在一定时间内所产生的X轴、Y轴、Z轴三个方向振动信号，通过矢量相加得到总振动信号，并使用带通滤波器滤除噪声，得到经过预处理的振动信号；S2、对振动信号进行三层小波包分解，得到八个子带的能量比与尺度熵，通过时频域分析得到对应的特征值，将所有特征值进行合并、排列并标注对应故障类型所代表的值作为输出，构建特征矩阵；S3、划分训练集与测试集，同时对两者进行归一化操作，构建调整后的Lenet-5模型并将训练集的特征矩阵作为输入进行训练，得到维数更低且特征分度更高的特征矩阵；S4、将新的特征矩阵作为经过IAO-SVM的输入进行训练，寻得核函数c,g的最佳参数bestc与bestg；S5、将测试集的矩阵作为输入，并将所得最佳参数bestc、bestg代入IAO-SVM的预测模型中，得到最终的故障诊断结果。
全文数据：
权利要求：
百度查询： 昆明理工大学 基于CNN与IAO-SVM的曳引电梯故障诊断
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