[发明专利]一种基于主成分分析和深度信念网络的轴承故障诊断方法在审
| 申请号： | 201910744175.6 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110647911A | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 朱静;胡天真;侯益静;张鹏 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G01M13/045 |
| 代理公司： | 32249 南京瑞弘专利商标事务所(普通合伙) | 代理人： | 石嘉蓉 |
| 地址： | 210016 江*** | 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主成分分析和深度信念网络的轴承故障诊断方法，包括：1)在监测得到轴承振动信号后，使用主成分分析对原始振动信号数据进行降维处理；2)对降维后的轴承振动信号数据进行[0,1]标准化，定义故障类型，然后将数据按比例划分为训练集和测试集；3)初始化深度信念网络的相关参数；4)使用训练集训练深度信念网络模型，然后使用测试集对深度信念网络模型进行参数优化，最终建立轴承故障诊断的深度学习模型。本发明着眼于轴承故障诊断问题，基于主成分分析和深度信念网络展开研究，为解决大数据时代的轴承故障诊断问题提供行之有效的工具和方法。 | ||
| 搜索关键词： | 信念网络 轴承故障 主成分分析 诊断 轴承振动信号 训练集 原始振动信号 参数优化 定义故障 降维处理 使用测试 问题提供 相关参数 测试集 初始化 大数据 降维 标准化 监测 学习 研究 | ||
【主权项】：
1.一种基于主成分分析和深度信念网络的轴承故障诊断方法，其特征在于，包括以下步骤：/n1)在监测得到轴承振动信号后，使用主成分分析对原始振动信号数据进行降维处理；/n2)对降维后的轴承振动信号数据进行[0,1]标准化，定义故障类型，然后将数据按比例划分为训练集和测试集；/n3)初始化深度信念网络的相关参数；/n4)使用训练集训练深度信念网络模型，然后使用测试集对深度信念网络模型进行参数优化，训练及调优过程中使用dropout来减少过拟合，最终建立轴承故障诊断的深度学习模型。/n
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/201910744175.6/，转载请声明来源钻瓜专利网。
