[发明专利]一种基于深度神经网络的机械故障快速诊断方法在审
| 申请号： | 201711371455.4 | 申请日： | 2017-12-19 |
| 公开（公告）号： | CN107886091A | 公开（公告）日： | 2018-04-06 |
| 发明（设计）人： | 李舜酩;王金瑞;程春;钱巍巍;安增辉 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/08;G06N3/04;G06F17/14 |
| 代理公司： | 南京经纬专利商标代理有限公司32200 | 代理人： | 许方 |
| 地址： | 210003 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的机械故障快速诊断方法，包括(1)收集训练样本和测试样本；(2)将批标准化算法整合到叠加自动编码算法中，建立多层深度神经网络模型；(3)采用无标签的训练样本集对建立的深度神经网络模型进行逐层预训练；(4)采用有标签的训练样本集，通过BP反向传播算法对深度神经网络进行微调；(5)采用测试样本进行验证所建立的深度神经网络模型的有效性。本发明通过深度学习方法对机械故障信号进行智能诊断，快速准确，实用性强。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 机械 故障 快速 诊断 方法 | ||
【主权项】：
一种基于深度神经网络的机械故障快速诊断方法，其特征在于，包括以下步骤：(1)收集训练样本和测试样本：采用凯斯西储大学的轴承振动信号的频谱作为总样本，其中25％训练样本，75％测试样本；其数据采样频率48k，包含10种故障类型、3种载荷；每种故障类型包含200个总样本，每个样本包含2400个数据点；经过傅里叶变换后得到1200个傅里叶系数；(2)建立深度神经网络：将批标准化算法整合到叠加自动编码算法中，建立一个多层深度神经网络模型；(3)深度神经网络模型的预训练：采用无标签的训练样本集对建立的深度神经网络模型进行逐层预训练；(4)深度神经网络模型的微调：采用有标签的训练样本集，通过BP反向传播算法对深度神经网络进行微调；(5)采用测试样本进行验证所建立的深度神经网络模型的有效性。
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南京航空航天大学，未经南京航空航天大学许可，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/201711371455.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种斗提机的料斗固定结构
- 下一篇：一种斗式提升机的链条
