[发明专利]一种基于随机卷积神经网络的飞机机电系统故障识别方法在审
| 申请号： | 201810592166.5 | 申请日： | 2018-06-11 |
| 公开（公告）号： | CN109001557A | 公开（公告）日： | 2018-12-14 |
| 发明（设计）人： | 梁天辰;姜洪开;王仲生;李华星;田红波 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G01R31/00 | 分类号： | G01R31/00;G06N3/04 |
| 代理公司： | 西北工业大学专利中心 61204 | 代理人： | 顾潮琪 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于随机卷积神经网络的飞机机电系统故障识别方法，首先使用短时傅里叶变换将振动加速度信号构建为空间相关性良好的二维时频图，解决了一维信号的二维转化问题；然后将转化后的二维时频图输入随机卷积神经网络，该网络采用随机辍学机制，抑制模型过拟合并提升泛化能力，通过动量随机梯度下降算法更新网络参数，完成识别模型的构造；最后使用随机卷积神经网络完成对飞机机电系统故障的识别。本发明的识别效果良好，实用性强，简单易行，适用于飞机系统的故障识别。 | ||
| 搜索关键词： | 卷积神经网络 故障识别 机电系统 二维 时频 飞机 短时傅里叶变换 振动加速度信号 动量 空间相关性 飞机系统 随机梯度 网络参数 下降算法 一维信号 构建 转化 合并 更新 网络 | ||
【主权项】：
1.一种基于随机卷积神经网络的飞机机电系统故障识别方法，其特征在于包括下述步骤：步骤一，提取飞机机电系统内指定轴承和转子的振动加速度信号划分为训练样本和测试样本两部分，分别对训练样本和测试样本进行短时傅里叶变换和分贝转化归一化，得到训练二维时频图和测试二维时频图；步骤二，将训练二维时频图输入初始化的随机卷积神经网络，前向计算均方误差；根据均方误差和代价函数反向逐层训练随机卷积神经网络的权值参数，直到均方误差小于设定的最小均方误差值或达到最大循环数，随机卷积神经网络的训练完成；步骤三、使用训练好的随机卷积神经网络对测试二维时频图进行飞机机电系统故障的识别。
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北工业大学，未经西北工业大学许可，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/201810592166.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种类强迫超低频振荡的判别方法及系统
- 下一篇：一种节能环保的淋雨试验箱
