申请/专利权人：淮阴工学院

申请日：2023-02-09

公开（公告）日：2023-06-06

公开（公告）号：CN116226619A

主分类号：G06F18/10

分类号：G06F18/10;G01M13/028;G01M13/021;G06F18/24;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.23#实质审查的生效;2023.06.06#公开

摘要：本发明公开了一种基于INGO优化HKELM的齿轮箱故障诊断方法，包括以下步骤：1）建立齿轮箱样本数据集，使用Savitzky‑Golay滤波方法对原始数据进行去噪；2）使用时变滤波器的经验模态分解TVF‑EMD获得多个内涵模态分量IMF，重构IMF；3）对重构IMF进行时域同步平均TSA去噪；4）利用Tent混沌映射、混合正弦余弦算法以及Levy飞行算法优化北方苍鹰算法NGO，得到INGO；5）在极限学习机中增加全局多项式核函数与局部径向基核函数得到混合极限学习机HKELM；6）INGO优化HKELM参数，构造INGO‑HKELM模型，利用该模型进行故障诊断。与现有技术相比，本发明通过改进的NGO算法优化HKELM模型，对齿轮箱振动信号进行分类，得到了准确的故障诊断结果，提高对齿轮箱故障的诊断准确率和诊断时间。

主权项：1.一种基于INGO优化HKELM的齿轮箱故障诊断方法，其特征在于，包括如下步骤：步骤1：建立齿轮箱样本数据集，使用Savitzky-Golay滤波对原始数据进行降噪；步骤2：使用时变滤波器的经验模态分解TVF-EMD获得多个内涵模态分量IMF，利用方差贡献率-相关系数-信息熵方法重构IMF；步骤3：对重构IMF进行时域同步平均TSA去噪；步骤4：利用Tent混沌映射、混合正弦余弦算法以及Levy飞行算法优化北方苍鹰算法NGO，得到INGO，具体为利用Tent混沌映射初始化种群，利用混合正弦余弦算法更新苍鹰最优解，并引入非线性余弦学习因子，利用Levy飞行更新苍鹰的个体位置，避免陷入局部最优；步骤5：在极限学习机中增加全局多项式核函数与局部径向基核函数得到混合极限学习机HKELM；步骤6：利用INGO优化混合极限学习机HKELM参数，构造INGO-HKELM模型，利用该模型进行故障诊断。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于INGO优化HKELM的齿轮箱故障诊断方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD