项目简介：

本发明公开了一种面向网络变量筛选与特征熵融合的轴承状态噪声诊断算法，传感器采集轴承运行噪声信号；噪声信号按时间序列分割，组成样本集；对样本提取时频域特征，得到时频域一维特征行向量；采用平均影响值算法实现特征变量一次筛选，获取敏感特征集，并对平均影响值相似特征通过计算敏感特征集的特征熵来进行特征二次筛选与降维，从而获得最终特征集；利用PSO或GA优化的支持向量机进行训练并建立故障诊断模型，确定轴承故障类型并输出结果。本发明利用基于网络的特征平均影响值和特征熵在特征选择和特征分类中的互补性，克服轴承噪声诊断中特征选择与神经网络分类算法相互孤立的不足，使时频域特征指标更好地反映轴承运行状态和分类网络特性。

技术/产品创新性：

知识产权情况：

行业情况：

市场情况：

项目团队情况：