基于转矩信号模糊智能学习的PMSM退磁故障诊断方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于转矩信号模糊智能学习的PMSM退磁故障诊断方法,包括以下步骤:采集永磁同步电机不同退磁故障下的转矩脉动信号;计算转矩脉动信号的模糊隶属度;利用小波包分解对转矩脉动信号进行分解与重构,得到小波包系数;计算所得小波包系数的能量,构造具有模糊隶属度的特征向量样本集,并划分训练集和测试集;构造模糊极限学习机FELM,将训练集输入FELM进行训练;将测试集输入训练好的FELM,并计算分类精度。本发明通过将模糊理论融于极限学习机中,将退磁故障转矩脉动信号样本进行模糊化,解决了训练样本分布不平衡不规则的问题,使传统机器学习算法能适应退磁故障转矩信号,加快了训练速度,提高了诊断精度。
《基于转矩信号模糊智能学习的PMSM退磁故障诊断方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2020109683381,当前法律状态为已下证,由湖南科技大学提出申请,发明人为刘朝华;夏琦玮;王畅通;陈磊;张铸;张红强;李小花,申请日期为2020-09-15,公开(公告)日期为2023-11-17,国际专利分类号(IPC)为 G06F 18/241 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于转矩信号模糊智能学习的PMSM退磁故障诊断方法,包括以下步骤:采集永磁同步电机不同退磁故障下的转矩脉动信号;计算转矩脉动信号的模糊隶属度;利用小波包分解对转矩脉动信号进行分解与重构,得到小波包系数;计算所得小波包系数的能量,构造具有模糊隶属度的特征向量样本集,并划分训练集和测试集;构造模糊极限学习机FELM,将训练集输入FELM进行训练;将测试集输入训练好的FELM,并计算分类精度。本发明通过将模糊理论融于极限学习机中,将退磁故障转矩脉动信号样本进行模糊化,解决了训练样本分布不平衡不规则的问题,使传统机器学习算法能适应退磁故障转矩信号,加快了训练速度,提高了诊断精度。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
