[发明专利]一种基于层次卷积神经网络的机械故障预测方法有效
| 申请号： | 201811197982.2 | 申请日： | 2018-10-15 |
| 公开（公告）号： | CN109406118B | 公开（公告）日： | 2020-05-19 |
| 发明（设计）人： | 文龙;高亮;李新宇;张钊 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G01M13/00 | 分类号： | G01M13/00;G01M13/045;G06N3/04 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 孔娜;曹葆青 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于神经网络故障预测相关技术领域，其公开了一种基于层次卷积神经网络的机械故障预测方法，该方法包括以下步骤：(1)采用S变换将待故障预测的机械的振动信号从时序信号变换成时频图，以备用；(2)结合故障类型在不同粒度上的层次划分，以构建双输出的层次卷积神经网络模型，所述时频图为所述层次卷积神经网络模型的输入；所述层次卷积神经网模型具有两类分类器，分别为粗分类器及精分类器；(3)依次采用粗标签及精标签对所述粗分类器及所述精分类器进行训练，以得到训练好的层次卷积神经网络模型，进而进行机械故障预测。本发明提高了精度及效率，适用性较好，有利于在实际应用中推广应用。 | ||
| 搜索关键词： | 一种 基于 层次 卷积 神经网络 机械 故障 预测 方法 | ||
【主权项】：
1.一种基于层次卷积神经网络的机械故障预测方法，其特征在于，该方法包括以下步骤：(1)采用S变换将待故障预测的机械的振动信号从时序信号变换成时频图，以备用；(2)结合故障类型在不同粒度上的层次划分，以构建双输出的层次卷积神经网络模型，所述时频图为所述层次卷积神经网络模型的输入；所述层次卷积神经网模型具有两类分类器，分别为粗分类器及精分类器；(3)首先，采用粗标签对所述粗分类器进行训练，同时所述层次卷积神经网络进行粗分类；接着，采用精标签对所述精分类器进行训练以得到训练好的层次卷积神经网络模型，进而进行机械故障预测。
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华中科技大学，未经华中科技大学许可，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/201811197982.2/，转载请声明来源钻瓜专利网。
