[发明专利]基于深度学习的轴承故障模式诊断方法及系统在审
| 申请号： | 201810072846.4 | 申请日： | 2018-01-25 |
| 公开（公告）号： | CN108304927A | 公开（公告）日： | 2018-07-20 |
| 发明（设计）人： | 黄双喜;杨天祺 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G01M13/04 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张润 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的轴承故障模式诊断方法及系统，其中，方法包括以下步骤：通过自动调节学习率、引入噪声、引入线性修正单元作为激活函数，以根据激活函数改进深度信念网络；通过迁移数据集与长短期记忆网络获得合成数据集，以根据合成数据集扩展训练的数据集，并通过训练数据集训练改进的深度信念网络，以得到轴承故障诊断模型；采集轴承的振动信号，并根据轴承的振动信号和轴承故障诊断模型诊断出轴承故障模式。该方法结合半监督学习和迁移学习算法，在数据量不足的情况下提高诊断精度。 | ||
| 搜索关键词： | 轴承故障 诊断 合成数据 激活函数 信念网络 振动信号 数据集 轴承 迁移 线性修正单元 半监督学习 训练数据集 记忆网络 模型诊断 学习算法 数据量 引入 学习 噪声 改进 采集 | ||
【主权项】：
1.一种基于深度学习的轴承故障模式诊断方法，其特征在于，包括以下步骤：通过自动调节学习率、引入噪声、引入线性修正单元作为激活函数，以根据所述激活函数改进深度信念网络；通过迁移数据集与长短期记忆网络获得合成数据集，以根据所述合成数据集扩展训练的数据集，并通过所述训练数据集训练改进的深度信念网络，以得到轴承故障诊断模型；以及采集轴承的振动信号，并根据所述轴承的振动信号和所述轴承故障诊断模型诊断出所述轴承故障模式。
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清华大学，未经清华大学许可，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/201810072846.4/，转载请声明来源钻瓜专利网。
