[发明专利]一种基于卷积神经网络的DC/DC变换器故障诊断方法在审
| 申请号： | 201811527443.0 | 申请日： | 2018-12-13 |
| 公开（公告）号： | CN109444604A | 公开（公告）日： | 2019-03-08 |
| 发明（设计）人： | 商蕾;武美君;高海波;张泽辉;张胜飞;廖林豪;盛晨兴 | 申请（专利权）人： | 武汉理工大学 |
| 主分类号： | G01R31/00 | 分类号： | G01R31/00;G06N3/04 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司 42102 | 代理人： | 张惠玲 |
| 地址： | 430070 湖*** | 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： | 本发明公开了一种基于卷积神经网络的DC/DC变换器故障诊断方法，该方法包括以下步骤：1)错误数据收集；2)数据预处理；3)卷积神经网络深度训练；4)测试诊断精度投入使用。本发明运用卷积神经网络对数据进行训练，结合了深度学习训练技巧，采用数据加强和自适应学习速率来解决过拟合问题，从而提取故障特征；不需要建立精确的数学模型，并且基于信号处理知识、特定设备和故障类型的工程经验，就能从原始数据中提取出具有代表性的特征，与传统的人工特征提取和深层神经网络方法相比，该方法具有较高的诊断性能，能够达到良好的诊断精度。 | ||
| 搜索关键词： | 卷积神经网络 故障诊断 数据预处理 自适应学习 测试诊断 错误数据 工程经验 故障类型 故障特征 神经网络 数学模型 特征提取 信号处理 学习训练 原始数据 诊断性能 传统的 拟合 诊断 | ||
【主权项】：
1.一种基于卷积神经网络的DC/DC变换器故障诊断方法，其特征在于，该方法包括以下步骤：1)错误数据收集；2)数据预处理；3)卷积神经网络深度训练；4)测试诊断精度投入使用。
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武汉理工大学，未经武汉理工大学许可，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/201811527443.0/，转载请声明来源钻瓜专利网。
