【技术实现步骤摘要】
本专利技术属机械设备故障智能诊断领域，具体涉及一种。
技术介绍
为了摆脱机械设备故障诊断过分依赖于专业技术人员和诊断专家的问题，在线实现高效、可靠的智能诊断，近几年，人们将模糊理论、专家系统、神经网络和聚类分析等人工智能技术应用于机械设备的智能故障诊断，在实践中取得了一定的成效。但在实际应用中人们发现这些技术并非完美的，例如模糊故障诊断往往需要由先验知识人工确定隶属函数及模糊关系矩阵，但实际上，获得与设备实际情况相符的隶属函数及模糊关系矩阵存在许多困难；专家系统中也面临着许多困难，如缺乏有效的故障诊断知识的表达方法，经验知识获取困难等，另外，专家系统的操作人员也需要具备较高的水平，不易普及；神经网络分类时需要提供一定数量的标准样本，获取一个设备所有故障的标准样本是相当不易的，此外，神经网络在实际应用中都需要对原始数据进行特征提取，如果不作特征提取，而直接用原始数据参加计算，网络的结构将是非常庞大的，将无法满足实时在线监测诊断的要求；聚类分析可以不需要故障标准样本，它将数据样本组成多个类，要求类之间的数据样本差别应尽可能的大，而同一类中数据样本之间的差别应尽可能...
【技术保护点】
一种机械故障的集成支持向量机混合智能诊断方法，包括：１）分别采用提升小波包按频段和经验模式分解按本征模式分量对振动信号进行分解，提取分解信号的时域统计特征，构成全体特征集；其特征在于：２）提出特征距离评估技术及特征评 估指标，按照特征评估指标大小从全体特征集中选取最敏感特征集；３）将获得的最敏感特征集作为诊断特征，建立集成支持向量机混合智能诊断模型，实现对设备运行状态的智能诊断。
【技术特征摘要】
【专利技术属性】
技术研发人员：何正嘉，訾艳阳，胡桥，雷亚国，陈雪峰，张周锁，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：87[中国|西安]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。