[发明专利]一种基于深度学习的超声电机故障诊断方法在审
| 申请号： | 202210101229.9 | 申请日： | 2022-01-27 |
| 公开（公告）号： | CN114487821A | 公开（公告）日： | 2022-05-13 |
| 发明（设计）人： | 秦泰春;苏新明;黄首清;李芳勇;周原;胡芳;姚泽民;王浩;李树鹏;马腾飞;唐学伟 | 申请（专利权）人： | 北京卫星环境工程研究所 |
| 主分类号： | G01R31/34 | 分类号： | G01R31/34;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京志霖恒远知识产权代理事务所(普通合伙) 11435 | 代理人： | 郭栋梁 |
| 地址： | 100094 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的超声电机故障诊断方法，所述故障诊断方法包括离线建模和在线应用两个步骤，其中所述离线建模包括以下步骤：步骤一、收集正常及各故障模式下超声电机性能监测数据和环境监测数据；步骤二、对性能监测数据通道进行组合排布。本发明中，无需人为故障特征提取，采用端到端的方式，获得了深度学习故障诊断模型，可准确估计超声电机正常/故障状态，利用卷积神经网络提取了各监测参数间的相关关系特征，利用循环神经网络提取了监测参数和时间的相关关系特征，具备准确的超声电机故障诊断能力，在现有验证数据上故障诊断准确率100％。 | ||
| 搜索关键词： | 一种 基于 深度 学习 超声 电机 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北京卫星环境工程研究所，未经北京卫星环境工程研究所许可，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/202210101229.9/，转载请声明来源钻瓜专利网。
