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！
摘要：本发明属于滚动轴承故障诊断技术领域，公开了一种基于格拉姆角场和迁移学习的滚动轴承故障诊断方法，本发明将采集的滚动轴承振动信号数据进行预处理和裁剪后，使用格拉姆矩阵将数据样本在极坐标系统内编码成图像。本发明通过将滚动轴承运行的时序数据转换为格拉姆角场图像表示，可以更直观地观察到数据中隐藏的重要特征和模式，有助于更好地捕捉数据的空间信息和相关性，有效地表示滚动轴承的不同健康状态；采用多次迁移学习架构，进一步提高了所建立迁移学习模型在不同数据集上的泛化性能和适用性，以及模型在实际应用中的有效性，且当目标域可用的有标签样本数较少时，使用二次迁移学习故障诊断模型效果更佳。
主权项：1.一种基于格拉姆角场和迁移学习的滚动轴承故障诊断方法，其特征在于，所述基于格拉姆角场和迁移学习的滚动轴承故障诊断方法包括以下步骤：步骤1：图像转换；采集不同健康状态下滚动轴承的振动信号，进行分段截取作为初始输入数据，使用格拉姆Gramian矩阵将一维原始信号映射在极坐标系统后转换成二维格拉姆角差场图像，作为故障诊断模型的输入；步骤2：数据增强；使用几何变换的数据增强方法，利用图像的旋转、翻转、缩放变换方式增加图像数据的多样性和丰富性，改善模型的泛化能力，并且减轻过拟合的风险；之后将图像数据集均转换为RGB图像后再输入预训练模型；步骤3：预训练模型微调；使用经ImageNet数据集训练的卷积神经网络类模型作为预训练模型，利用滚动轴承故障数据集进行参数微调；步骤4：故障诊断模型应用；根据上述步骤中的迁移策略，完成参数微调的模型即可应用于对目标域中新的测试数据集的故障诊断任务。
全文数据：
权利要求：
百度查询： 西安邮电大学 基于格拉姆角场和迁移学习的轴承故障诊断方法及系统
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