1. 您所在位置：
  2. 网站首页
  3. 专利分类
  4. 物理
发明

一种基于随机游走和机器学习的故障诊断方法2025

2023-10-16 07:26:46 发布于四川 1
  • 申请专利号：CN202310888223.5
  • 公开（公告）日：2025-02-14
  • 公开（公告）号：CN116881700A
  • 申请人：中国融通集团第六十研究所
摘要：本申请公开了一种基于随机游走和机器学习的故障诊断方法，首先采集动部件的振动信号数据，进行预处理；针对预处理后的振动信号，采用故障特征提取算法提取特征参量，并对得到的特征参量进行主成份分析PCA；接着构建随机游走优化算法，利用随机游走优化算法对机器学习模型进行超参数优化；随后将PCA降维后的样本数据分为训练集和测试集，将训练集放入优化好的机器学习模型进行训练，采用测试集进行故障预测，得到不同特征下的预测准确率；最后进行对比分析，选出准确率最高的特征作为最佳特征。本方法解决了传统算法寻优时间过长以及无法寻得全局最优解的问题，在保证模型预测性能的同时，使得模型的预测精度得到显著提高，提高了故障诊断效率。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116881700 A (43)申请公布日 2023.10.13 (21)申请号 202310888223.5 (22)申请日 2023.07.19 (71)申请人 中国人民解放军总参谋部第六十研 究所 地址 210016 江苏省南京市玄武区黄埔路2 号 (72)发明人 宋军　石祥　丁林飞　陶然　唐驹　 (74)专利代理机构 南京理工大学专利中心 32203 专利代理师 何宇 (51)Int.Cl. G06F 18/213 (2023.01) G06N 20/00 (2019.01) G06F 18/2135 (2023.01) G06F 18/214 (2023.01) 权利要求书2页 说明书6页 附图3页 (54)发明名称 一种基于随机游走和机器学习的故障诊断 方法 (57)摘要 本申请公开了一种基于随机游走和机器学 习的故障诊断方法，首先采集动部件的振动信号 数据，进行预处理；针对预处理后的振动信号，采 用故障特征提取算法提取特征参量，并对得到的 特征参量进行主成份分析PCA；接着构建随机游 走优化算法，利用随机游走优化算法对机器学习 模型进行超参数优化 ；随后将PCA降维后的样本 数据分为训练集和测试集，将训练集放入优化好 的机器学习模型进行训练，采用测试集进行故障 预测，得到不同特征下的预测准确率；最后进行 对比分析 ，选出准确率最

最新专利

相关专利