[发明专利]一种基于小波变换和密集连接扩张卷积神经网络的风电齿轮箱故障诊断方法有效
| 申请号： | 202011082932.7 | 申请日： | 2020-10-12 |
| 公开（公告）号： | CN112257528B | 公开（公告）日： | 2023-07-18 |
| 发明（设计）人： | 陈捷;温竹鹏;杨贵超 | 申请（专利权）人： | 南京工业大学;南京工大数控科技有限公司 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/40;G06V10/82;G06N3/0464;G06V10/774;G01M13/021;G01M13/028 |
| 代理公司： | 北京卓岚智财知识产权代理有限公司 11624 | 代理人： | 蒋真 |
| 地址： | 210000 *** | 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： | 为了解决传统诊断中诊断效果差，精度低的问题，本发明提出一种基于小波变换和密集连接扩张卷积神经网络的风电齿轮箱故障诊断方法。主要步骤包括：1、从风电齿轮箱中采集不同故障类型的振动信号；2、将每一个故障类型的一维振动信号通过小波变换得到小波时频图，得到风电齿轮箱的故障样本集；3、将样本集中的小波时频图进行灰度处理，并且对图像大小进行调整，将灰度处理后的图像调整为P*P，P为图像像素大小；4、将处理后的样本集中的70％作为训练集进行模型训练，另外30％作为测试集对模型进行测试。本发明可以更加有效的利用小波时频图中的故障信息，自动提取时频图中有效的特征，实现更加准确的故障分类。 | ||
| 搜索关键词： | 一种 基于 变换 密集 连接 扩张 卷积 神经网络 齿轮箱 故障诊断 方法 | ||
【主权项】：
暂无信息
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工业大学;南京工大数控科技有限公司，未经南京工业大学;南京工大数控科技有限公司许可，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/202011082932.7/，转载请声明来源钻瓜专利网。
