一種基于深度學習的旋轉(zhuǎn)機械故障診斷方法和裝置
基本信息

| 申請?zhí)?/td> | CN202110766373.X | 申請日 | - |
| 公開(公告)號 | CN113537328A | 公開(公告)日 | 2021-10-22 |
| 申請公布號 | CN113537328A | 申請公布日 | 2021-10-22 |
| 分類號 | G06K9/62(2006.01)I;G06K9/46(2006.01)I;G06N3/04(2006.01)I;G06N3/08(2006.01)I;G01M13/00(2019.01)I | 分類 | 計算;推算;計數(shù); |
| 發(fā)明人 | 姜孝謨;林琳 | 申請(專利權(quán))人 | 大連藍雪智能科技有限公司 |
| 代理機構(gòu) | 青島恒昇眾力知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) | 代理人 | 蘇友娟 |
| 地址 | 116000遼寧省大連市高新技術(shù)產(chǎn)業(yè)園區(qū)火炬路56A-22層 | ||
| 法律狀態(tài) | - | ||
摘要

| 摘要 | 本發(fā)明提供了一種基于深度學習的旋轉(zhuǎn)機械故障診斷方法和裝置,對旋轉(zhuǎn)機械的原始波形數(shù)據(jù)進行隨機采集,得到原始振動數(shù)據(jù);根據(jù)時域及頻域信息對原始振動數(shù)據(jù)進行一次時、頻域特征提取,進行檢查并進行歸一化處理;PCA降維及二次統(tǒng)計特征提??;建立一維卷積神經(jīng)網(wǎng)絡(luò)模型、支持向量機模型、決策樹模型、樸素貝葉斯模型、二維卷積神經(jīng)網(wǎng)絡(luò)模型;將一臺機組的數(shù)據(jù)劃分為訓練集和驗證集,對模型進行訓練和驗證;若模型驗證精度達到設(shè)定閾值,選擇另一機組的數(shù)據(jù)對模型進行故障診斷測試。本發(fā)明在提取一次時頻域特征的基礎(chǔ)上,發(fā)展了二次統(tǒng)計特征提取和主成分分析的深度學習通用方法,泛化模型的故障識別能力,實現(xiàn)了跨機組智能故障通用識別。 |





