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：东北大学
摘要：本发明公开了基于同步压缩变换及改进CMT模型的滚动轴承故障诊断方法，涉及轴承故障诊断领域。本发明创新地引入了同步压缩变换算法，对滚动轴承的振动信号进行时频转换。通过瞬时频率估计、频率重分配和压缩处理，能够精确地提取信号在时频平面上的关键特征，形成紧凑的同步压缩时频分布图，为后续的滚动轴承故障诊断提供了有力的数据支持。通过结合滚动轴承的具体故障状态及同步压缩变换产生的时频分布图的特点，对传统CMT模型进行了优化和改进，在CMT模型的Stem部分引入了多尺度卷积技术，克服了传统单一尺度卷积核在特征提取上的局限性，使得模型能够更好地适应滚动轴承故障诊断的需求，提高了滚动轴承故障识别的准确性和效率。
主权项：1.基于同步压缩变换及改进CMT模型的滚动轴承故障诊断方法，其特征在于，该方法包括：步骤1：采集滚动轴承在正常状态下的振动信号和各种故障状态下的振动信号，获得包含滚动轴承正常状态和故障状态的振动信号的样本数据集；步骤2：采用同步压缩变换算法对步骤1获得的原始样本数据集中的样本数据分别进行时频转换，并对时频转换所生成的每一幅时频分布图进行预处理；步骤3：对预处理后的每一幅时频分布图设置滚动轴承状态类型标签，获得时频分布图数据集，并从时频分布图数据集中划分出训练集；步骤4：对CMT模型进行改进，获得改进CMT模型；步骤5：利用训练集对改进CMT模型进行训练，获得训练好的改进CMT模型；步骤6：将训练好的改进CMT模型应用于实际工业现场进行滚动轴承的故障诊断：按照步骤1的方式采集实际工业现场中滚动轴承的振动信号，再按照步骤2的方式对采集的振动信号进行时频转换和预处理，将获得的时频分布图输入到训练好的改进CMT模型中进行滚动轴承故障的实时诊断。
全文数据：
权利要求：
百度查询： 东北大学 基于同步压缩变换及改进CMT模型的滚动轴承故障诊断方法
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