[发明专利]一种基于汉克尔矩阵的诊断汽车轮毂轴承故障的方法在审
| 申请号： | 201810724155.8 | 申请日： | 2018-07-04 |
| 公开（公告）号： | CN108960328A | 公开（公告）日： | 2018-12-07 |
| 发明（设计）人： | 向家伟;王淑慧;蒋勇英;钟永腾 | 申请（专利权）人： | 温州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G01M13/04 |
| 代理公司： | 温州名创知识产权代理有限公司 33258 | 代理人： | 陈加利 |
| 地址： | 325000 浙江省温州市瓯海*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于汉克尔矩阵的诊断汽车轮毂轴承故障的方法，其方案为：首先，通过构造汉克尔矩阵实现对原始振动信号的二维矩阵表示，提高信号的相关性，其次，建立已知故障模式的卷积神经网络增强隐马尔科夫模型；最后，利用该模型诊断未知故障类型的故障模式。卷积神经网络是一种数据驱动的特征学习方法，可以从原始数据中利用卷积神经网络模型对汉克尔矩阵表示的二维信号进行卷积和下采样操作，完整地保留表征信号特征的部分，并降低信号中的高维干扰成分，解决故障信号的特征自动学习问题；最后利用自学习得到的特征建立已知故障模式的隐马尔科夫模型。本发明方法一方面利用卷积神经网络自动学习特征，降低数据维度，以获得数据的分布式特征表示；另一方面，利用隐马尔科夫模型动态序列建模能力和时序模式分类能力判断故障类型。 | ||
| 搜索关键词： | 卷积神经网络 隐马尔科夫模型 矩阵 故障模式 汽车轮毂轴承 故障类型 自动学习 原始振动信号 分布式特征 诊断 表征信号 动态序列 二维矩阵 二维信号 分类能力 故障信号 矩阵表示 模型诊断 时序模式 数据驱动 数据维度 特征学习 原始数据 下采样 高维 建模 卷积 自学 保留 | ||
【主权项】：
1.一种基于汉克尔矩阵的诊断汽车轮毂轴承故障的方法，其特征在于包括：S1:通过构造汉克尔矩阵实现对原始振动信号的二维矩阵表示，提高信号的相关性，S2:建立已知故障模式的卷积神经网络增强隐马尔科夫模型；S3:利用该模型诊断未知故障类型的故障模式，确定故障类型，最终实现故障诊断的目的。
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温州大学，未经温州大学许可，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/201810724155.8/，转载请声明来源钻瓜专利网。
