[发明专利]基于深度学习的机床异常识别方法、系统及终端设备在审
| 申请号： | 201910342673.8 | 申请日： | 2019-04-25 |
| 公开（公告）号： | CN110210516A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 黄光刊;谭兆杰;王星泽 | 申请（专利权）人： | 合刃科技（武汉）有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/00;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 430000 湖北省武汉市东湖新技术开*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的基于深度学习的机床异常识别方法、系统、终端设备及计算机可读存储介质，通过对振动信号的采集和数据处理，并基于深度学习，利用神经网络模型，识别机床异常及异常种类，为机床维护保养人员提供详细的指导信息，进而帮助机床维护保养人员更精确更高效地维护保养机床，提升机床使用寿命。 | ||
| 搜索关键词： | 机床 机床维护 异常识别 终端设备 保养 计算机可读存储介质 神经网络模型 使用寿命 维护保养 振动信号 数据处理 学习 采集 帮助 | ||
【主权项】：
1.一种基于深度学习的机床异常识别方法，其特征在于，所述方法包括：采集机床的振动数据；对所述振动数据进行滤波处理以获取有效数据；对所述有效数据进行变换处理以提取信号特征；将所述信号特征输入预先训练好的神经网络模型，所述神经网络模型基于所述信号特征输出多维向量，每一维所述向量表征一类异常以及该类异常发生的概率；根据所述多维向量以及异常发生概率的预设阈值，输出异常种类。
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合刃科技（武汉）有限公司，未经合刃科技（武汉）有限公司许可，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/201910342673.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种图像数据多标签分类方法
- 下一篇：一种基于密度的多层分步聚类方法
