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。