[发明专利]端到端基于卷积循环神经网络的轴承健康指标构建方法有效
| 申请号： | 201911004003.1 | 申请日： | 2019-10-22 |
| 公开（公告）号： | CN110633792B | 公开（公告）日： | 2022-03-22 |
| 发明（设计）人： | 徐光华;陈龙庭;张四聪;况佳臣 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G01M13/045 |
| 代理公司： | 西安智大知识产权代理事务所 61215 | 代理人： | 贺建斌 |
| 地址： | 710049 陕*** | 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： | 一种端到端基于卷积循环神经网络的轴承健康指标构建方法，先搭建卷积循环神经网络模型CRNN，得到能衡量轴承退化程度的健康指标CRNN‑HI；然后进行卷积循环神经网络模型CRNN模型训练；最后进行卷积循环神经网络模型CRNN评估；本发明通过整合卷积神经网络CNNs和循环神经网络RNNs的结构优势，利用RNNs编码CNNs输出的特征图的时序信息，一方面消除了CNNs不能编码时序特征和感受野小的缺陷，另一方面也消除了RNNs不能自适应地从原始数据中提取HI相关特征的缺陷，使得CRNN‑HI在轴承健康状态退化评估方面取得了较高的相关性、单调性和准确性；同时本发明构建的CRNN‑HI指标将轴承的非线性退化过程近似表征为随时间变化的线性过程，为滚动轴承的健康状态评估和退化程度的确定提供了方便。 | ||
| 搜索关键词： | 端到端 基于 卷积 循环 神经网络 轴承 健康 指标 构建 方法 | ||
【主权项】：
1.一种端到端基于卷积循环神经网络的轴承健康指标构建方法，其特征在于，包括以下步骤：/n1)搭建卷积循环神经网络模型CRNN：卷积循环神经网络模型CRNN的输入为被标准化的原始轴承振动信号数据，卷积循环神经网络模型CRNN包含两个组件，一个组件是用来提取局部特征的卷积神经网络CNNs，由交替堆叠的卷积层和池化层组成，为了加速网络的训练过程和收敛速度，在卷积神经网络CNNs中加入了BatchNorm层和残差连接结构；卷积神经网络CNNs包含4组残差单元，每一个残差单元包含有2个卷积层且每个残差单元对输入的数据均进行降采样，卷积神经网络CNNs的第一个卷积层采用预激活设计，整个卷积层中卷积核的大小均为16；另外一个组件用来提取带有时间序列信息的全局特征，并循环连接上述局部特征的循环神经网络，采用长短期记忆网络LSTM实现，长短期记忆网络LSTM在每一个时刻的输入为卷积神经网络CNNs输出的特征图上的每一个特征点，时间长度等于特征图的维度；长短期记忆网络LSTM在t时刻的输出通过以下公式计算：/nf
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/201911004003.1/，转载请声明来源钻瓜专利网。
