申请/专利权人：兰州理工大学

申请日：2024-01-08

公开（公告）日：2024-04-12

公开（公告）号：CN117874643A

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/2113;G06F18/213;G06F18/214;G06N5/04;G06N20/20;G01M13/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了基于小数据集的转子故障贝叶斯网络诊断方法，包括：获取转子故障数据并进行预处理，得到多个不同的子训练数据集；通过K2算法并基于多个子训练数据集和改进的BDe评分函数，得到多个不同的贝叶斯网络结构；将多个贝叶斯网络结构转换为对应的多个网络矩阵；基于多个网络矩阵并通过集成策略函数得到最优结构的得分矩阵；基于得分矩阵得到最优贝叶斯网络结构；基于极大似然估计学习最优贝叶斯网络结构中的变量参数，得到网络结构最优参数；基于最优参数和最优贝叶斯网络结构对待检测数据进行诊断，得到故障诊断结果。解决了小数据集下最优贝叶斯网络结构学习困难的问题，进而提高了贝叶斯网络的诊断精度。

主权项：1.基于小数据集的转子故障贝叶斯网络诊断方法，其特征在于，包括：获取转子故障数据并进行预处理，得到多个不同的子训练数据集；通过K2算法并基于多个所述子训练数据集和改进的BDe评分函数，得到多个不同的贝叶斯网络结构；将多个所述贝叶斯网络结构转换为对应的多个网络矩阵；基于所述多个网络矩阵并通过集成策略函数得到最优结构的得分矩阵；基于所述得分矩阵得到最优贝叶斯网络结构；基于极大似然估计学习所述最优贝叶斯网络结构中的变量参数，得到网络结构最优参数；基于所述最优参数和所述最优贝叶斯网络结构对待检测数据进行诊断，得到故障诊断结果。

全文数据：

权利要求：

百度查询： 兰州理工大学 基于小数据集的转子故障贝叶斯网络诊断方法及系统

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