龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京航空航天大学
摘要：本发明的一种基于连续小波变换和深度迁移卷积神经网络的滚动轴承故障诊断方法、装置和电子设备，其方法包括：对采集的原始一维振动数据进行归一化处理，针对归一化后的数据制作故障标签，将标签数据划分为训练集和测试集；对训练集和测试集的各数据样本进行连续小波变换，生成相应的时频图，制作时频图形式的滚动轴承故障诊断数据集；搭建深度卷积神经网络VGG16模型，使用公开数据集ImageNet对齐进行训练，获取VGG16预训练模型；基于时频图形式的滚动轴承故障诊断数据集对VGG16预训练模型进行参数微调和优化，获取迁移后的故障诊断模型，用于实现对滚动轴承的故障诊断。本发明故障诊断准确率高，耗时少。
主权项：1.一种基于连续小波变换和深度迁移卷积神经网络的滚动轴承故障诊断方法，其特征在于，包括以下步骤：步骤1、数据处理：采集滚动轴承在已知工况下各类故障的原始振动数据，并对其进行归一化处理；对归一化后的数据进行重叠采样，获得固定长度的数据样本，基于故障类型为各样本制作标签，并将带标签的样本划分训练样本集和测试样本集；步骤2、数据集制作：将步骤1中得到的训练样本和测试样本进行连续小波变换，获得各样本的时频图；将各样本的时频图转换为三通道RGB格式以适应于后续构建的深度卷积神经网络的训练，形成时频图形式的滚动轴承故障诊断数据集，其中包含训练集和测试集；步骤3、模型预训练：基于Python和PyTorch深度学习框架构建深度卷积神经网络VGG16模型，使用公开数据集ImageNet训练构建的VGG16模型，获取训练好的VGG16预训练模型，保存VGG16预训练模型的参数；步骤4、预训练模型迁移：冻结步骤3中获取的VGG16预训练模型的卷积层和池化层的参数，对VGG16预训练模型中的分类器部分进行参数微调来匹配步骤2中制作的时频图形式滚动轴承故障诊断数据集，并改进VGG16预训练模型的激活函数和优化算法获取最终的故障诊断模型，输入滚动轴承时频图形式的故障诊断数据来获取故障诊断结果。
全文数据：
权利要求：
百度查询： 南京航空航天大学 基于连续小波变换和深度迁移卷积神经网络的滚动轴承故障诊断方法、装置和电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号