[发明专利]一种轴承数据模型训练及使用方法有效
申请号: | 201910916201.9 | 申请日: | 2019-11-13 |
公开(公告)号: | CN110750876B | 公开(公告)日: | 2023-09-19 |
发明(设计)人: | 卢占标;黄细霞;姬克;鲍佳松 | 申请(专利权)人: | 上海海事大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F30/17 |
代理公司: | 上海互顺专利代理事务所(普通合伙) 31332 | 代理人: | 成秋丽 |
地址: | 201306 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明实施例提供的一种轴承数据模型训练方法,通过样本数据、傅里叶变换后的样本数据以及傅里叶变换后的噪声数据三类作为输入,增强模型的抗干扰能力,以及通过将样本数据转转换二维图像能够自适应提取关键特征,把提取的特征作为一维数据作为输入到1D‑CNN模型将大大降低了模型的复杂度,减少了基于人工经验进行特征选择带来的工作量和误差,同时提出了模型自适应更新方法,提高了模型的分类精度和鲁棒性。 | ||
搜索关键词: | 一种 轴承 数据模型 训练 使用方法 | ||
【主权项】:
1.一种轴承数据模型训练方法,其特征在于,所述方法包括:/n获取轴承的样本数据,其中,所述样本数据包括:正常样本数据,外圈故障样本数据、内圈故障样本数据、滚子故障样本数据;/n对所述样本数据进行快速傅里叶变换,得到变换后样本数据;/n对加入高斯噪声进行傅里叶变换,得到变换后噪声数据;/n对所述样本数据、分别对所述变换后样本数据和所述变换后噪声数据进行故障数据的设置标签;/n对所述样本数据、所述变换后样本数据和所述变换后噪声数据进行归一化处理,并将归一化处理后的数据划分为训练集数据和测试集数据;/n将训练集数据转换为三通道二维数据,并采用三通道二维数据对CNN网络进行训练,获得训练后的2D-CNN模型其中,当模型目标函数收敛,则保存作为训练后的2D-CNN模型;/n将测试集数据作为训练后的2D-CNN模型的输入,并将2D-CNN模型所输出的一维信号作为1D-CNN模型的输入,通过1D-CNN模型进行故障分类。/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上海海事大学,未经上海海事大学许可,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/201910916201.9/,转载请声明来源钻瓜专利网。