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：河北工业大学
摘要：本发明为一种改进MFCC算法的风机叶片故障诊断方法，首先对传统MFCC算法的物理频率与梅尔频率转换公式进行改进，将声音信号的全频域分为三个频段，对三个频段赋予不同权重，故障信号频段的权重最大，权重越大频段内放置滤波器的个数越多，使得改进后的MFCC算法更加关注故障信号频段，提取到更多故障信息；其次，利用K‑means聚类算法对MFCC特征矩阵的所有样本特征帧进行聚类，并利用群智能算法对故障信号频段进行迭代寻优；最后，将聚类结果输入到SVM中进行训练，将训练后的SVM用于故障诊断。该方法得到的聚类结果条形图具有良好的周期性，聚类结果更准确，有利于提高故障诊断的准确率。
主权项：1.一种改进MFCC算法的风机叶片故障诊断方法，其特征在于，该方法包括以下步骤：步骤1：采集风机的声音信号；步骤2：利用改进MFCC算法对声音信号进行特征提取，得到MFCC特征矩阵，MFCC特征矩阵包含N个样本特征帧；改进MFCC算法将声音信号的全频段分为三部分，并通过下式将声音信号的物理频率转换为梅尔频率； 其中，Melf表示梅尔频率，f表示声音信号的物理频率，[a,b]表示故障信号频段；对[0,a、[a,b]、b,25000]三个频段赋予不同权重，分别为α、β、γ，0.5≤β＜1且α+β+γ＝1，权重越大频段内放置滤波器的个数越多，则频段[0,a放置滤波器的个数为α*M，频段[a,b]放置滤波器的个数为β*M，频段b,25000]放置滤波器的个数为γ*M，M表示滤波器总数；步骤3：利用K-means聚类算法对MFCC特征矩阵进行聚类，将各个样本特征帧聚类为故障帧和非故障帧；以聚类轮廓系数为指标评价聚类效果，则聚类效果综合度量函数为： 其中，pi表示第i个样本特征帧的聚类轮廓系数；将聚类效果综合度量函数作为群智能算法的适应度函数，通过群智能算法对故障信号频段[a,b]进行迭代寻优，当群智能算法的迭代次数达到最大迭代次数时，故障信号频段[a,b]最优；步骤4：对故障帧和非故障帧标注类别标签，将标注后的故障帧和非故障帧作为SVM的输入，对SVM进行训练，将训练后的SVM用于故障诊断。
全文数据：
权利要求：
百度查询： 河北工业大学 一种改进MFCC算法的风机叶片故障诊断方法
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