龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京航空航天大学
摘要：本发明公开一种基于特征融合卷积神经网络和最大‑最小淘汰算法的增强诊断方法，所述方法包括：基于最大‑最小淘汰算法MMFA的数据采集与预处理，将数据分为不同的操作类别并按振幅对数据进行排序以消除噪声信号；基于快速傅里叶变换与小波变换的数据增强，进行标准化处理并输出数据；通过5倍交叉训练构建并训练预处理的卷积神经网络PRE‑ENFCNN，特征显著性和特征多样性进行学习，保存最优模型；基于消融实验与对比实验进行的故障诊断与测试，验证PRE‑ENFCNN方法的有效性和优越性，完成行星齿轮箱多种故障模式的增强诊断。本发明提供了一种利用特征融合卷积神经网络和最大‑最小淘汰算法的增强诊断方法，能够实现行星齿轮箱的准确故障诊断，提高了预测性维护的效率和可靠性。
主权项：1.一种基于特征融合卷积神经网络和最大-最小淘汰算法的增强诊断方法，其特征在于：该方法包括如下步骤：利用最大-最小淘汰算法MMFA的数据采集与预处理，以排除异常样本。使用快速傅里叶变换FFT与小波变换WT增强样本，并进行标准化处理。通过5倍交叉训练，使用预处理的卷积神经网络PRE-ENFCNN进行特征显著性和多样性学习，保存最优模型。通过消融实验与对比实验验证PRE-ENFCNN方法的有效性和优越性，并对性能分进行析对比。
全文数据：
权利要求：
百度查询： 南京航空航天大学 一种基于特征融合卷积神经网络和最大-最小淘汰算法的增强诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号