一种基于深度学习的旋转机械故障诊断方法和装置
基本信息
| 申请号 | CN202110766373.X | 申请日 | - |
| 公开（公告）号 | CN113537328A | 公开（公告）日 | 2021-10-22 |
| 申请公布号 | CN113537328A | 申请公布日 | 2021-10-22 |
| 分类号 | G06K9/62（2006.01）I;G06K9/46（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G01M13/00（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 姜孝谟;林琳 | 申请（专利权）人 | 大连蓝雪智能科技有限公司 |
| 代理机构 | 青岛恒昇众力知识产权代理事务所（普通合伙） | 代理人 | 苏友娟 |
| 地址 | 116000辽宁省大连市高新技术产业园区火炬路56A-22层 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种基于深度学习的旋转机械故障诊断方法和装置，对旋转机械的原始波形数据进行随机采集，得到原始振动数据；根据时域及频域信息对原始振动数据进行一次时、频域特征提取，进行检查并进行归一化处理；PCA降维及二次统计特征提取；建立一维卷积神经网络模型、支持向量机模型、决策树模型、朴素贝叶斯模型、二维卷积神经网络模型；将一台机组的数据划分为训练集和验证集，对模型进行训练和验证；若模型验证精度达到设定阈值，选择另一机组的数据对模型进行故障诊断测试。本发明在提取一次时频域特征的基础上，发展了二次统计特征提取和主成分分析的深度学习通用方法，泛化模型的故障识别能力，实现了跨机组智能故障通用识别。 |
