[发明专利]基于多域堆栈去噪自动编码网络的行星齿轮箱故障诊断方法在审
| 申请号： | 201910495400.7 | 申请日： | 2019-06-06 |
| 公开（公告）号： | CN110146282A | 公开（公告）日： | 2019-08-20 |
| 发明（设计）人： | 孙灿飞;王友仁 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G01M13/02 | 分类号： | G01M13/02 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210016 江苏*** | 国省代码： | 江苏;32 |
| 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多域堆栈去噪自动编码网络(SDAE)的行星齿轮箱故障诊断方法，包括步骤：采用加速度传感器采集行星齿轮箱时域振动信号，并获得其频域信号与能量域信号，分别将时域信号、频域信号和能量域信号分为训练样本与测试样本；分别采用时域、频域及能量域信号所有训练样本对SDAE进行训练，将提取的多域故障特征组合后采用MSDAE进行特征融合，融合后特征输入至softmax分类器结合样本标签后进行反向微调；采用训练后的SDAE网络模型对多域测试样本进行故障特征提取及诊断，输出诊断结果。该发明结合深度学习模型提取多域信号内在及彼此关联信息进行故障诊断，适用于复杂振动信号和噪声环境下的行星齿轮箱故障诊断，具有诊断准确率高、鲁棒性好的优点。 | ||
| 搜索关键词： | 多域 行星齿轮箱 故障诊断 能量域 测试样本 频域信号 训练样本 自动编码 堆栈 去噪 复杂振动信号 故障特征提取 加速度传感器 时域振动信号 诊断 故障特征 关联信息 模型提取 时域信号 特征融合 特征输入 网络模型 噪声环境 诊断结果 分类器 鲁棒性 准确率 频域 时域 微调 样本 标签 网络 采集 输出 融合 学习 | ||
【主权项】：
1.一种基于多域堆栈去噪自动编码网络的行星齿轮箱故障诊断方法，其特征在于，具体包括以下步骤：S1、采用加速度传感器采集行星齿轮箱振动的时域信号，并通过计算获得其频域信号与能量域信号，分别将时域信号、频域信号和能量域信号分为训练样本与测试样本；S2、分别采用时域、频域及能量域信号所有训练样本对各域SDAE进行训练，将各域SDAE提取的多域故障特征组合后采用MSDAE进行特征融合，融合后的特征输入至softmax分类器结合样本标签后进行反向微调；S3、采用训练后的SDAE网络模型对多域测试样本进行故障特征提取及诊断，并输出故障诊断结果。
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南京航空航天大学，未经南京航空航天大学许可，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/201910495400.7/，转载请声明来源钻瓜专利网。
