[发明专利]一种基于双通道卷积神经网络的滚动轴承状态诊断方法在审
| 申请号： | 201910433022.X | 申请日： | 2019-05-23 |
| 公开（公告）号： | CN110031227A | 公开（公告）日： | 2019-07-19 |
| 发明（设计）人： | 古天龙;孙镇海;宾辰忠;朱恩新 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G01M13/045 | 分类号： | G01M13/045;G06K9/62 |
| 代理公司： | 北京中济纬天专利代理有限公司 11429 | 代理人： | 石燕妮 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 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双通道卷积神经网络的滚动轴承状态诊断方法，包括采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据；对采集的振动加速度数据进行数据增强处理；对数据增强处理后的振动加速度数据按照滚动轴承状态类型贴上相应标签；构建卷积神经网络诊断模型，并用处理后的振动加速度数据对诊断模型进行训练；其中，所述诊断模型具有双通道卷积神经网络，所述双通道卷积神经网络包括两个用于分别抽取不同跨度的振动加速度数据的特征的卷积核；评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明的方法在不增加原始数据的情况下获得了更为细腻的信息，增加了诊断模型的精度与鲁棒性。 | ||
| 搜索关键词： | 卷积神经网络 加速度数据 滚动轴承 诊断 双通道 数据增强 状态诊断 采集 滚动轴承振动 电机负载 时序信号 原始数据 状态类型 卷积核 鲁棒性 构建 贴上 抽取 跨度 标签 并用 监测 评估 应用 | ||
【主权项】：
1.一种基于双通道卷积神经网络的滚动轴承状态诊断方法，其特征在于，包括：使用振动加速传感器采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据；对采集的振动加速度数据进行数据增强处理；对数据增强处理后的振动加速度数据按照滚动轴承状态类型贴上相应标签；构建卷积神经网络诊断模型，并用处理后的振动加速度数据对诊断模型进行训练，其中，所述诊断模型具有双通道卷积神经网络，所述双通道卷积神经网络包括两个用于分别抽取不同跨度的振动加速度数据的特征的卷积核；评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。
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桂林电子科技大学，未经桂林电子科技大学许可，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/201910433022.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种轴承故障的诊断方法及装置
- 下一篇：半导体器件和检测其旋转异常的方法
