[发明专利]一种行星齿轮退化状态识别方法在审
| 申请号： | 201910433557.7 | 申请日： | 2019-05-23 |
| 公开（公告）号： | CN110222386A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 陈曦晖;杨泽南;杨子豪 | 申请（专利权）人： | 河海大学常州校区 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林;张赏 |
| 地址： | 213022 *** | 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： | 本发明公开了一种行星齿轮退化状态识别方法，该方法包括进行多个振动传感器优化布置和原始振动信号采集，采用自适应改进奇异谱分解将原始振动信号分解为多个SSDC分量，多SSDC分量多尺度增强信息维度提取构成行星齿轮退化状态特征矩阵，构建基于卷积神经网络的行星齿轮退化状态识别模型。本发明方法可提取行星齿轮退化状态产生的特征信息矩阵，并根据提取的特征信息矩阵实现行星齿轮退化状态识别，是一种有效的行星齿轮退化状态识别方法。 | ||
| 搜索关键词： | 退化状态 行星齿轮 原始振动信号 矩阵 特征信息 卷积神经网络 振动传感器 分解 特征矩阵 增强信息 多尺度 奇异谱 自适应 构建 维度 采集 优化 改进 | ||
【主权项】：
1.一种行星齿轮退化状态识别方法，其特征在于，包括以下步骤：(1)进行加速度振动传感器优化布置，测量行星齿轮壳体的原始振动信号；(2)将所述原始振动信号进行自适应改进的奇异谱分解，得到一系列奇异谱分解分量；(3)提取所述奇异谱分解分量的多尺度增强信息维度，构成奇异谱分解分量尺度增强信息维度特征矩阵；(4)构建基于卷积神经网络的行星齿轮退化状态识别模型。
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河海大学常州校区，未经河海大学常州校区许可，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/201910433557.7/，转载请声明来源钻瓜专利网。
