公开(公告)号：CN117909668B

公开(公告)日：2024-06-07

申请号：CN202410312932.3

申请日：2024-03-19

Applicant: 安徽大学

Inventor： 刘永斌 ,  柯诤浩 ,  周远远 ,  汪航 ,  樊中鼎 ,  刘先增 ,  曹正

IPC: G06F18/15 ,  G06F18/2131 ,  G06F18/21 ,  G06F18/241 ,  G06F18/2433 ,  G06F18/25 ,  G06N3/0464 ,  G01M13/045

Abstract: 本发明适用于旋转机械设备关键部件轴承智能故障诊断领域，提供了一种基于卷积神经网络的轴承故障诊断方法及系统，所述方法包括以下步骤：将从旋转机械设备获取的多故障状态振动信号进行预处理，检测并去除异常突变信号；基于多小波感知核进行特征提取和融合，即对信号进行分解、特征指标计算、相应频段特征指标整合和融合特征空间构建；对融合特征空间划分，并通过已训练的轴承故障诊断模型对特征空间进行深度特征校准和挖掘；对校准后的深度特征进行故障识别，输出轴承诊断结果。本发明解决了强背景噪声下诊断模型故障特征识别率差的问题，降低噪声影响，提高诊断精度。

公开(公告)号：CN117909668A

公开(公告)日：2024-04-19

申请号：CN202410312932.3

申请日：2024-03-19

Applicant: 安徽大学

Inventor： 刘永斌 ,  柯诤浩 ,  周远远 ,  汪航 ,  樊中鼎 ,  刘先增 ,  曹正

IPC: G06F18/15 ,  G06F18/2131 ,  G06F18/21 ,  G06F18/241 ,  G06F18/2433 ,  G06F18/25 ,  G06N3/0464 ,  G01M13/045

Abstract: 本发明适用于旋转机械设备关键部件轴承智能故障诊断领域，提供了一种基于卷积神经网络的轴承故障诊断方法及系统，所述方法包括以下步骤：将从旋转机械设备获取的多故障状态振动信号进行预处理，检测并去除异常突变信号；基于多小波感知核进行特征提取和融合，即对信号进行分解、特征指标计算、相应频段特征指标整合和融合特征空间构建；对融合特征空间划分，并通过已训练的轴承故障诊断模型对特征空间进行深度特征校准和挖掘；对校准后的深度特征进行故障识别，输出轴承诊断结果。本发明解决了强背景噪声下诊断模型故障特征识别率差的问题，降低噪声影响，提高诊断精度。