专利名称：一种基于深度卷积神经网络结构的旋转机械故障特
征智能诊断方法
专利类型：发明专利
发明人：李舜酩,辛玉,王金瑞,程春申请号：CN201810240234.1申请日：20180322公开号：CN108830127A公开日：20181116
摘要：本发明公开了一种基于深度卷积神经网络模型的旋转机械故障特征智能诊断方法，包括：(1)采集旋转机械故障振动信号数据，将数据分段并做去趋势项预处理；(2)对信号数据进行短时傅里叶时频变换分析，得到各振动信号的时频表示，并用伪色彩图显示；(3)利用插值方法缩小图像分辨率并将各图像叠加，形成训练样本和测试样本，作为卷积神经网络的输入；(4)构建深度卷积神经网络模型，包括输入层、两个卷积层、两个池化层、全连接层和softmax分类层和输出层；(5)将训练样本导入模型进行训练并获得卷积特征、池化特征和神经网络结构参数，根据构建的深度神经网络模型对未知的故障信号实现诊断。本发明较现有的时域或频域方法，具有更好的准确性和稳定性。
申请人：南京航空航天大学
地址：210016 江苏省南京市秦淮区御道街29号
国籍：CN
代理机构：南京经纬专利商标代理有限公司
代理人：许方
更多信息请下载全文后查看
因篇幅问题不能全部显示，请点此查看更多更全内容