本发明公开了一种蜂群优化核极限学习和稀疏表示机械故障识别方法,用于提升机械故障识别的效率和精度。本发明结合核极限学习机的高效性优点和稀疏表示通过字典冗余捕捉信号内在本质特征的优点提出一种能够有效提高故障识别精度的核极限学习和稀疏表示的机械故障识别方法,将蜂群优化算法融入核极限学习机方法中,通过优化算法获得核极限学习机最佳模型参数进一步提升识别模型性能。输入机械信号样本首先利用蜂群优化的核极限学习机进行故障识别,对达不到预期识别结果的输入样本采用稀疏表示方法进行二次识别,从而实现快速准确的故障识别。本发明适用于机械故障识别。
📄 2020104588319
📂 G06K9_62
👤 电子科技大学
📅 2020-05-27