[发明专利]基于小波变换和深度学习的滚动轴承微弱故障诊断方法有效
| 申请号： | 201810158359.X | 申请日： | 2018-02-26 |
| 公开（公告）号： | CN108426713B | 公开（公告）日： | 2020-05-01 |
| 发明（设计）人： | 章雒霏;张铭 | 申请（专利权）人： | 成都昊铭科技有限公司 |
| 主分类号： | G01M13/045 | 分类号： | G01M13/045 |
| 代理公司： | 南京苏创专利代理事务所(普通合伙) 32273 | 代理人： | 王华 |
| 地址： | 611731 四川省成都市高新区（*** | 国省代码： | 四川;51 |
| 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小波变换和深度学习的滚动轴承早期微弱故障的诊断方法。该方法包括：首先获取滚动轴承振动信号，对采集的振动信号进行连续小波变换得到时频图；然后，对时频图上每个频率对应小波系数进行自相关运算滤除噪声干扰并提取出周期性的故障成分；再利用Hilbert变换进行包络解调获取故障特征频率；最后，将处理后的时频图作为特征图输入，通过训练深度学习分类模型对早期故障的类别进行判断。理论和实验结果证明，结合改进的小波时频图作为输入训练的分类模型在滚动轴承产生微弱故障的早期就能够对故障的类别进行非常准确的判断，在不同的轴承上使用时也能给出正确的判断结果，训练的速度也很快，具有非常好的实际应用价值。 | ||
| 搜索关键词： | 基于 变换 深度 学习 滚动轴承 微弱 故障诊断 方法 | ||
【主权项】：
1.一种基于小波变换和深度学习的滚动轴承微弱故障诊断方法，其特征在于：包括以下步骤：1)获取滚动轴承在不同状态下的振动信号；2)对采集的振动信号进行连续小波分解、去噪和解调处理，得到改进的小波时频图；3)将改进的小波时频图作为分类模型的特征输入，训练分类模型；4)使用训练好的分类模型对滚动轴承的故障类别进行判断。
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成都昊铭科技有限公司，未经成都昊铭科技有限公司许可，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/201810158359.X/，转载请声明来源钻瓜专利网。
