[发明专利]基于卷积神经网络的滚动轴承智能诊断模型的建立方法

摘要

本发明涉及一种基于卷积神经网络的滚动轴承智能诊断模型的建立方法的设计方法，首先，将一维的振动信号映射成二维图像信息，将二维图像数据用于训练网络模型；其次，对应用过程中卷积神经网络的结构参数进行分析，选择较优的网络参数，得到对机械故障分类能力较强的卷积神经网络结构；实现了对不同负载不同转速复杂工况下的机械故障的准确识别与分类；卷积神经网络模型通过建立多层网络大大提高了神经网络的特征提取能力，克服了以往需要人工对大量信号处理技术的掌握以及对诊断经验的依赖，能够直接在原始的时域信号中通过学习的方式获取故障特征，从而做出诊断，实现在每小时TB级数据量的情况下故障特征的自适应提取与健康状况的智能诊断。

主权项

1.基于卷积神经网络的滚动轴承智能诊断模型的建立方法，其特征在于，包括以下步骤：步骤1，先采集研究对象的振动数据，再对数据进行预处理；步骤2，根据步骤1所采集的数据设计卷积神经网络结构，生成训练集和测试集，并且将训练集数据用来训练网络模型；步骤3，使用测试集验证步骤2建立模型的准确度，并获得诊断模型的准确率；步骤4，根据步骤3测试集验证所得的准确率与目标要求的准确率进行比较，然后调整网络模型的结构和参数，从而获得满足要求的网络模型。