一种基于深度学习的旋转机械齿轮箱故障诊断方法
基本信息
| 申请号 | CN202111023880.0 | 申请日 | - |
| 公开（公告）号 | CN113792397A | 公开（公告）日 | 2021-12-14 |
| 申请公布号 | CN113792397A | 申请公布日 | 2021-12-14 |
| 分类号 | G06F30/17（2020.01）I;G06F30/25（2020.01）I;G06F30/27（2020.01）I;G06F17/16（2006.01）I;G06N3/00（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G01M13/021（2019.01）I;G01M13/028（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 张能文;杨凯铭;秦法涛;何晓琳;吴广;崔飞;蔡昌春;江冰;承敏钢 | 申请（专利权）人 | 江苏新道格自控科技有限公司 |
| 代理机构 | 南京宁致知识产权代理有限公司 | 代理人 | 于东 |
| 地址 | 214400江苏省无锡市江阴市澄江街道西桥路8号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明的一种基于深度学习的旋转机械齿轮箱故障诊断方法，属于旋转机械装备故障类型识别和诊断技术领域，包括采集旋转机械齿轮箱运行振动加速度、速度、位移、频率等信号，基于奇异值分解的振动信号降噪实现原始信号重构，利用对称点阵图像分析法将振动信号的一维时间序列形式映射至二维空间中构建二维图像信息，基于离散点的密集程度进行故障类型特征提取；最后，结合对称点阵图像分析构建的二维图像信息和深度神经网络进行故障训练和判别，获得故障诊断模型，本发明能够准确有效的对直齿轮箱内部的齿轮与轴承进行故障诊断和故障识别。 |
