[发明专利]一种多特征提取与融合的智能故障诊断方法有效
| 申请号： | 201910283838.9 | 申请日： | 2019-04-10 |
| 公开（公告）号： | CN110059601B | 公开（公告）日： | 2021-04-13 |
| 发明（设计）人： | 朱永生;任智军;岳义;闫柯;洪军;傅亚敏;高大为 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 西安智大知识产权代理事务所 61215 | 代理人： | 弋才富 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种多特征提取与融合的智能故障诊断方法，首先利用数据采集系统和传感器采集机械设备运行过程中的数据；然后以确定的长度截取不经任何处理的原始信号，将其分为训练样本和测试样本，做各段信号的频谱并归一化；基于自编码器构建多特征提取器，基于动态路由算法构建多特征融合器，基于softmax构建健康状态分类器；之后利用训练样本训练模型，提取区分各类健康状态的有效特征以及自适应地学习特征融合方法；最终将测试样本输入至模型中，验证模型的有效性；本发明实现了小样本情况下设备故障特征的自适应提取与故障状态的智能诊断，训练时间短，结果准确可靠。 | ||
| 搜索关键词： | 一种 特征 提取 融合 智能 故障诊断 方法 | ||
【主权项】：
1.一种多特征提取与融合的智能故障诊断方法，其特征在于，包括以下步骤：(1)利用数据采集系统和传感器采集机械设备运行过程中的数据，所述的数据包括振动数据，声音数据；(2)以确定的长度截取不经任何处理的原始信号，并将其分为训练样本和测试样本，做各段信号的频谱并归一化；(3)基于自编码器构建多特征提取器，然后利用提取到的多个特征基于动态路由算法构建多特征融合器；(4)利用softmax分类器对融合后的特征进行轴承健康状态识别；(5)利用训练样本训练模型，提取区分各轴承健康状态有效的特征以及自适应地学习特征融合方法；(6)将测试样本输入至模型中，进行多特征提取与融合，实现设备故障的智能诊断。
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西安交通大学，未经西安交通大学许可，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/201910283838.9/，转载请声明来源钻瓜专利网。
