[发明专利]小样本下基于自我学习的变工况机械故障智能诊断方法有效
| 申请号： | 201910833028.6 | 申请日： | 2019-09-04 |
| 公开（公告）号： | CN110647923B | 公开（公告）日： | 2022-08-16 |
| 发明（设计）人： | 陈景龙;张天赐;訾艳阳 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 朱海临 |
| 地址： | 710049 *** | 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： | 本发明公开了小样本下基于自我学习的变工况机械故障智能诊断方法，对机械设备变工况运行状态下的机械信号样本进行标准化预处理；构建生成对抗网络并训练，通过生成机械信号样本的方式增强训练数据集；构建自我学习网络模型；使用生成对抗网络生成的机械信号样本与不超过30个的真实机械信号样本预训练自我学习网络模型；构建机械设备状态分类与识别网络模型；使用不超过30个的真实机械信号样本及其对应的状态标签对机械设备状态分类与识别网络模型的网络权重进行微调，权重微调后的机械设备状态分类与识别网络模型即可实现变工况下的机械故障智能诊断。本发明具有诊断结果准确率高，抗干扰能力强的特点。 | ||
| 搜索关键词： | 样本 基于 自我 学习 工况 机械 故障 智能 诊断 方法 | ||
【主权项】：
1.小样本下基于自我学习的变工况机械故障智能诊断方法，其特征在于，包括以下步骤：/n步骤1：以机械设备变工况运行状态下的机械信号样本作为数据集合，每种运行状态下的机械信号样本数不超过30个，对获取到的机械信号样本进行标准化预处理，得到预处理后的真实机械信号样本；/n步骤2：构建生成器与鉴别器结合的生成对抗网络；/n步骤3：对于步骤2中的生成对抗网络，采用循环对抗式的训练方法进行训练，通过生成机械信号样本的方式增强训练数据集；/n步骤4：构建以卷积神经网络为基础的自我学习网络模型；/n步骤5：使用生成对抗网络生成的机械信号样本与不超过30个的预处理后的真实机械信号样本预训练自我学习网络模型，初步提取机械信号样本的数据特征并保存自我学习网络模型的网络权重；/n步骤6：构建卷积神经网络与Softmax分类器结合的机械设备状态分类与识别网络模型，载入步骤5中保存的网络权重；/n步骤7：使用不超过30个的预处理后的真实机械信号样本及每个机械信号样本对应的状态标签对机械设备状态分类与识别网络模型的网络权重进行微调，权重微调后的机械设备状态分类与识别网络模型即能够实现变工况下的机械故障智能诊断。/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/201910833028.6/，转载请声明来源钻瓜专利网。
