一种基于SFA和CNN的风机轴承故障诊断方法
基本信息
| 申请号 | CN202010916701.5 | 申请日 | - |
| 公开（公告）号 | CN112160877A | 公开（公告）日 | 2021-01-01 |
| 申请公布号 | CN112160877A | 申请公布日 | 2021-01-01 |
| 分类号 | F03D17/00(2016.01)I;F03D80/70(2016.01)I | 分类 | 液力机械或液力发动机；风力、弹力或重力发动机；不包含在其他类目中的产生机械动力或反推力的发动机; |
| 发明人 | 雷增卷;彭亚;李智;李孟超;于萍;胡波;龙振宇 | 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慢特征分解(SFA)和卷积神经网络(CNN)的风机轴承故障诊断方法，包括：1)在采集轴承振动信号后，利用SFA提取其中的固有特征信息；2)将一维的特征信号转变为二维的图像信息；3)划分训练集和测试集，定义故障类型；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。本发明着眼于新兴深度学习技术在传统领域的应用研究，所提出的方法能有效地实现风机故障的诊断。 |
