[发明专利]一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法

摘要

本发明属于机械故障诊断领域，特别涉及到Morlet小波变换和卷积神经网络的应用。具体是提出了一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法。直接将振动信号的Morlet小波变换系数矩阵归一化后作为卷积神经网络的输入。在卷积神经网络的训练阶段，采用带标签有监督的学习算法，使用极小化适应函数的准则，利用带动量的梯度下降法调整各层的权值和偏置。将训练好的卷积神经网络用于轴承故障的分类，对分类结果进行解释就实现了对轴承故障的诊断。本发明创造性地将Morlet小波变换和卷积神经网络结合起来用于轴承故障的诊断，在原始分类数据的处理上比现有的技术简单，经测试，对于自建的样本库能到达80％以上的诊断识别率。

主权项

一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法，其特征在于，故障分类特征的提取和故障分类器的设计，包括以下步骤：步骤(1)、通过对轴承振动信号进行Morlet小波变换，用小波变换的系数矩阵作为原始的分类数据；步骤(2)、通过设计卷积神经网络作为轴承故障的分类器，包括卷积与池化层、全连接层和分类输出层，卷积与池化层和全连接层用于从原始的分类数据中提取分类特征，分类输出层用于轴承故障分类；步骤(3)、利用包含不同轴承故障类型的特征样本库训练步骤(2)的网络，其中，训练方式为带标签的样本进行有监督的学习，利用带有动量的梯度下降法调整每一层的网络权值和偏置值；步骤(4)、利用步骤(3)训练好的网络，对类别未知的轴承故障进行分类，对分类结果进行解释就实现了轴承故障的诊断。