申请/专利权人：西安建筑科技大学

申请日：2023-11-03

公开（公告）日：2024-04-16

公开（公告）号：CN117892208A

主分类号：G06F18/2411

分类号：G06F18/2411;G06N20/10;G06F18/214;G06F18/21;G06N3/006

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于CSSA‑F‑SVM模型的矿用卡车发动机小样本故障诊断方法，包括以下步骤；步骤1：故障数据采集与选取，得到训练样本，并将训练样本划分为训练集、验证集和测试集；步骤2：基于改进麻雀搜索算法的参数优化过程，确定最优参数；步骤3：利用上述获取的最优参数建立故障诊断模型，导入测试集进行模型检测；使用十倍交叉验证的方法进行训练；获取新的故障数据，将其导入模型中，输出故障类型，观察输出预测故障结果与实际符合；步骤4：输出故障结果及预测精度。本发明可根据实时监测数据实现卡车发动机的故障预测，实现以预防为主的故障诊断。

主权项：1.一种基于CSSA-F-SVM模型的矿用卡车发动机小样本故障诊断方法，其特征在于，包括以下步骤；步骤1：故障数据采集与选取，得到训练样本，并将训练样本划分为训练集、验证集和测试集；步骤2：基于改进麻雀搜索算法的参数优化过程，确定最优参数；步骤3：利用上述获取的最优参数建立故障诊断模型，导入测试集进行模型检测；使用十倍交叉验证的方法进行训练；获取新的故障数据，将其导入模型中，输出故障类型，观察输出预测故障结果与实际符合；步骤4：输出故障结果及预测精度。

全文数据：

权利要求：

百度查询： 西安建筑科技大学 一种基于CSSA-F-SVM模型的矿用卡车发动机小样本故障诊断方法

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