[发明专利]一种基于深度学习的计轴器故障监测方法有效
| 申请号： | 201810179920.2 | 申请日： | 2018-03-05 |
| 公开（公告）号： | CN108345863B | 公开（公告）日： | 2020-06-30 |
| 发明（设计）人： | 高宏力;孙弋;洪鑫;由智超;蔡璨羽;宋虹亮;贡宏伟;夏文超 | 申请（专利权）人： | 西南交通大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 何凡;李蕊 |
| 地址： | 610031 四*** | 国省代码： | 四川;51 |
| 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计轴器故障监测方法，包括以下步骤：S1、获取计轴器发出的信号，经过处理，得到轮脉冲监视信号；S2、通过通信系统将轮脉冲监视信号发送给计算机；S3、通过计算机对获取轮脉冲监视信号，进行处理，得到高频细节信号的包络谱图；S4、通过深度卷积神经网络对输入的包络谱图进行分类，并输出分类结果；S5、判断深度卷积神经网络的输出分类结果与设定的故障分类是否有相同项，若相同，进入步骤S6；若不相同，返回步骤S2；S6、在计算机端显示计轴器的故障分类。本发明提供的计轴器故障监测方法，降低了对工人经验知识的依赖，对计轴器健康状况进行实时监测，并对计轴器的故障类型进行预判断，提高率计轴器的维护效率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 计轴器 故障 监测 方法 | ||
【主权项】：
1.一种基于深度学习的计轴器故障监测方法，其特征在于，包括以下步骤：S1、获取计轴器发出的信号，并将其处理为轮脉冲监视信号；S2、通过通信系统将轮脉冲监视信号发送给计算机；S3、通过计算机对轮脉冲监视信号进行小波分解与重构，得到高频细节信号的包络谱图；S4、通过深度卷积神经网络对输入的包络谱图进行分类，并输出分类结果；S5、判断分类结果与设定的故障分类是否有相同项，若是则进入步骤S6；否则返回步骤S2；S6、在计算机端显示计轴器的故障分类。
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西南交通大学，未经西南交通大学许可，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/201810179920.2/，转载请声明来源钻瓜专利网。
