一种基于时间序列标度分析和CNN的轴承微小故障诊断方法
基本信息
| 申请号 | CN202010917461.0 | 申请日 | - |
| 公开（公告）号 | CN112161805A | 公开（公告）日 | 2021-01-01 |
| 申请公布号 | CN112161805A | 申请公布日 | 2021-01-01 |
| 分类号 | G01M13/045(2019.01)I | 分类 | 测量；测试; |
| 发明人 | 李智;雷增卷;李孟超;于萍;胡波;王磊 | 申请（专利权）人 | 中国长江三峡集团有限公司福建分公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 350003福建省福州市鼓楼区琴亭路29号方圆大厦15层 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于时间标度分析和卷积神经网络(CNN)的轴承微小故障诊断方法。针对轴承早期微小故障受噪声干扰难以辨别的问题，本发明设计了一种诊断方法，步骤包括：1)采集轴承数据，通过差分操作消除序列的自相关性；2)利用去趋势波动分析算法计算差分序列的标度曲线；3)构建由不同故障的标度序列组成的训练集和测试集；4)构建卷积神经网络框架，初始化网络参数；5)训练网络并使用测试集检验。本发明通过时间序列分析挖掘数据中隐藏的早期故障信息，并利用深度学习的方法加以诊断，能有效解决噪声干扰下早期故障的诊断问题。 |
