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。