[发明专利]基于神经网络的声学故障诊断方法无效
| 申请号： | 201310196357.7 | 申请日： | 2013-05-24 |
| 公开（公告）号： | CN103245524A | 公开（公告）日： | 2013-08-14 |
| 发明（设计）人： | 丛超楠;陶建成;邱小军 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G01M99/00 | 分类号： | G01M99/00;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210093*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于神经网络的声学故障诊断方法，该方法包括以下内容：(1)获取训练样本，对设备振动信号或目标区域中的声信号进行处理，提取特征参量，设定神经网络初始参数，对声学故障进行训练；(2)在设备表面布放振动传感器，在频域测量位移的幅度；或在目标区域布放传声器，在频域测量声压，预处理提取特征参量，使用相应配置的神经网络结构，获取一定的测试样本，对声学故障进行测试；(3)考虑训练样本识别正确率与测试样本识别正确率的均值，优化神经网络训练算法、隐含层数、隐含层节点数和迭代次数，使用优化后的神经网络参数配置，对设备进行声学故障检测。本方法提出了声学故障诊断特征参量提取技术和获得最优的BP神经网络配置的流程，直接定位声源激励大小和方式、声学负载、声学路径发生的变化，缩短维修周期，减少维护成本。 | ||
| 搜索关键词： | 基于 神经网络 声学 故障诊断 方法 | ||
【主权项】：
基于神经网络的声学故障诊断方法，其特征在于它包括以下步骤：(1)获取训练样本，对设备振动信号或目标区域中的声信号进行处理，提取特征参量，设定神经网络初始参数，对声学故障进行训练；(2)在设备表面布放振动传感器，在频域测量位移的幅度；或在目标区域布放传声器，在频域测量声压，预处理提取特征参量，使用相应配置的神经网络结构，获取一定的测试样本，对声学故障进行测试；(3)考虑训练样本识别正确率与测试样本识别正确率的均值，优化神经网络训练算法、隐含层数、隐含层节点数和迭代次数。使用优化后的神经网络参数配置，对设备进行声学故障检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学，未经南京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310196357.7/，转载请声明来源钻瓜专利网。
