【技术实现步骤摘要】
本专利技术涉及故障检测，尤其涉及一种基于自适应深层极限学习机的齿轮故障诊断方法。
技术介绍
1、齿轮是机械设备中传递动力的关键部分，被广泛应用在各类机械设备中，也是出现失效频率较高的元件之一。据相关数据表明，机械设备传动故障中齿轮故障占80％左右。在工业生产中发生齿轮故障，若未能及时排除，可能导致产品质量下降，从而造成严重的经济损失。由此可见，实现齿轮运行状态检测诊断具有非常重要的现实意义。齿轮故障诊断相关方法通常利用齿轮工作时的振动信号信息来进行状态评估。分类辨识方法的选用，在齿轮故障诊断中具有非常重要的地位，分类方法的性能对故障诊断准确性影响较大。
2、极限学习机因其简单的网络结构，较快的学习速度以及较强的泛化能力，广泛应用于故障诊断、图像分类、风速预测和文字识别等领域。极限学习机的基本原理是通过随机初始化产生网络结构参数，并利用最小二乘法求解输出权值，从而实现快速且有效的函数拟合。随着深度学习的日渐兴起，多层神经网络的优势愈发显著，极限学习机的隐含层只有一层，这使得其在面对许多复杂问题时力不从心，两层和多层的极限学习机...
【技术保护点】
1.一种基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于，所述步骤S2包括以下步骤：
3.根据权利要求1所述的基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于，在步骤S3中，极限学习机算法包括以下步骤：
4.根据权利要求3所述的基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于，在步骤S3中，隐含层层数为2时，不等节点策略算法如下：
5.根据权利要求1所述的基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于...
【技术特征摘要】
1.一种基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于，所述步骤s2包括以下步骤：
3.根据权利要求1所述的基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于，在步骤s3中，极限学习机算法包括以下步骤：
4.根据权利要求3所述的基于自适应深层极限学习机的齿轮故障诊断方法，其特征在于，在步骤s3中，隐含层层数为2时...
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。