[发明专利]基于判别性卷积特征学习的感应电机故障诊断方法有效
| 申请号： | 201610262121.2 | 申请日： | 2016-04-25 |
| 公开（公告）号： | CN105910827B | 公开（公告）日： | 2017-04-05 |
| 发明（设计）人： | 严如强;孙文珺;赵锐;邵思羽;陈雪峰 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G01M15/00 | 分类号： | G01M15/00 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙)32204 | 代理人： | 窦贤宇 |
| 地址： | 210096 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于判别性卷积特征学习的感应电机故障诊断方法，包括如下步骤采集已知故障类别的感应电机振动信号，并按类别对电机振动信号进行标记，获得训练样本；分别对训练样本进行判别性卷积特征学习，利用学习到的特征向量来表示各个训练样本；将所述学习到的特征向量加上标签并利用其来训练SVM分类器，确定SVM分类器的最佳分类参数。本发明能够以非监督的方式学习电机振动信号中有效的故障特征，与现有故障诊断技术和机器学习方法相比，判别性卷积特征学习方法不仅更智能，而且模型简单，连接参数少，提高了智能特征提取方法的稳定性与实用性。 | ||
| 搜索关键词： | 基于 判别 卷积 特征 学习 感应 电机 故障诊断 方法 | ||
【主权项】：
一种基于判别性卷积特征学习的感应电机故障诊断方法，其特征在于，包括如下步骤：步骤1、采集已知故障类别的感应电机振动信号，并按类别对电机振动信号进行标记，获得训练样本；步骤2、分别对训练样本进行判别性卷积特征学习，利用学习到的特征向量来表示各个训练样本；步骤3、将所述学习到的特征向量加上标签并利用其来训练SVM分类器，确定SVM分类器的最佳分类参数；步骤4、采集未知状态的感应电机的振动信号，并对其进行判别性卷积特征学习，获得能够表征该振动信号的特征向量，最后利用训练好的SVM分类器进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610262121.2/，转载请声明来源钻瓜专利网。
- 上一篇：大缸径内燃机气道的稳流实验方法
- 下一篇：一种双阀试验台
