[发明专利]一种齿轮箱数据模型训练及使用方法有效
| 申请号： | 201910916412.2 | 申请日： | 2019-11-13 |
| 公开（公告）号： | CN110717579B | 公开（公告）日： | 2023-05-19 |
| 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： | G06F18/2411 | 分类号： | G06F18/2411;G06F18/214;G06N20/10;G06N3/0464;G06N3/0475 |
| 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： | 本发明提供一种齿轮箱数据模型训练方法，包括：获取齿轮箱的样本数据，并为每一个样本数据匹配对应的类别标签；通过生成器生成模拟样本数据；将真实和生成的样本数据以及样本数据对应的类别标签作为鉴别器的输入，并获取鉴别器对每一个模拟样本数据的鉴别结果；在鉴别器的鉴别结果为真实时，将生成器输出的模拟样本数据通过鉴别器的全连接层输出作为支持向量机模型的训练样本数据。应用本发明实施例，通过包含生成器和鉴别器都由卷积神经网络构成，这种方法扩充的数据样本能够全面包含原始数据的信息量，对实际工业的检测更准确对数据进行特征自适应提取，然后全连接层提取的特征作为输入到SVM中进行训练，得到对故障的检测及分类。 | ||
| 搜索关键词： | 一种 齿轮箱 数据模型 训练 使用方法 | ||
【主权项】：
1.一种齿轮箱数据模型训练方法，其特征在于，所述方法包括：/n获取齿轮箱的样本数据，并为每一个样本数据匹配对应的类别标签；/n根据类别标签和噪声数据，通过生成器生成模拟样本数据；/n将样本数据以及样本数据对应的类别标签作为鉴别器的输入，并获取鉴别器对每一个模拟样本数据的鉴别结果；/n在所述鉴别器的鉴别结果为真实时，将所述生成器输出的模拟样本数据作为支持向量机模型的训练样本数据。/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/201910916412.2/，转载请声明来源钻瓜专利网。
