[发明专利]基于多属性卷积神经网络的变工况行星齿轮箱太阳轮故障诊断方法在审
| 申请号： | 201710705029.3 | 申请日： | 2017-08-17 |
| 公开（公告）号： | CN107491606A | 公开（公告）日： | 2017-12-19 |
| 发明（设计）人： | 单建华;佘慧莉;吕钦;张神林;王孝义 | 申请（专利权）人： | 安徽工业大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04;G01M13/02 |
| 代理公司： | 南京知识律师事务所32207 | 代理人： | 蒋海军 |
| 地址： | 243002 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于多属性卷积神经网络的变工况行星齿轮箱太阳轮故障诊断方法，属于机械故障诊断技术领域。该方法首先采集行星齿轮箱太阳轮不同故障类型、不同转速、不同负载工况下的行星齿轮箱的振动数据，从振动数据中创建多个样本点并赋予相应的多属性标签，搭建多属性卷积神经网络，训练多属性卷积神经网络，测试时从待诊断的行星齿轮箱的振动数据中创建多个数据样本点，用训练好的多属性卷积神经网络对测试样本点进行诊断，完成对变工况行星齿轮箱太阳轮故障诊断。本发明方法能够自动提取特征，准确率高，泛化性能强，方法简单易懂，且能实现变工况下故障诊断，能同时预测转速，易于工程推广。 | ||
| 搜索关键词： | 基于 属性 卷积 神经网络 工况 行星 齿轮箱 太阳 故障诊断 方法 | ||
【主权项】：
一种基于多属性卷积神经网络的变工况行星齿轮箱太阳轮故障诊断方法，其特征在于所述诊断方法具体步骤如下：(1)数据准备阶段：采集行星齿轮箱太阳轮的不同故障类型、不同转速及不同负载工况下的行星齿轮箱的振动数据，从振动数据中创建多个样本点，所述样本点包括数据和多属性标签，所述样本点构成训练数据库，训练数据库由训练集和验证集组成；(2)创建阶段：创建多属性卷积神经网络；(3)训练阶段：利用训练数据库来训练多属性卷积神经网络，获得网络参数；(4)测试阶段：采集待诊断的行星齿轮箱的振动数据，从振动数据中创建多个数据样本点，用训练好的多属性卷积神经网络对所述数据样本点进行故障诊断。
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安徽工业大学，未经安徽工业大学许可，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/201710705029.3/，转载请声明来源钻瓜专利网。
