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：江苏师范大学
摘要：本发明公开了一种基于SGMD和优化CNN模型的轴承故障诊断方法。该方法根据轴承的振动信号特性，使用辛几何模态分解对轴承信号进行分解，得到一系列辛几何模态分量，基于皮尔逊相关系数指标选取辛几何模态分量并对其求模糊散布熵，将模糊散布熵作为特征向量构建振动信号的特征样本集。融合卷积神经网络与长短时记忆网络模型，构建CNN‑LSTM模型，利用训练样本集调整卷积核等参数得到训练后的模型。使用最小二乘法支持向量机替换训练后的CNN‑LSTM模型归一化指数函数层，基于电鳗觅食优算法优化最小二乘法支持向量机参数。最后将测试样本集输入到改进后的CNN‑LSTM模型中进行故障识别和分类。本发明方法在小样本噪声环境下轴承故障诊断中具有更高准确率。
主权项：1.一种基于SGMD和优化CNN模型的轴承故障诊断方法，其特征在于，包含以下步骤：1采集不同工况下的轴承故障诊断信号，并对其进行预处理；2对不同工况下的振动信号进行辛几何模态分解SGMD，得到一系列辛几何模态分量SGC，基于皮尔逊相关系数指标选取合适的SGC，并求各SGC的模糊散布熵FDE，将FDE作为特征向量构建振动信号的特征样本集；3融合卷积神经网络CNN和长短时记忆网络LSTM模型，构建CNN-LSTM模型。使用训练样本集训练CNN-LSTM模型，调整卷积层数、核大小、Epoch、学习率、LSTM层数和隐藏单元，得到训练后的CNN-LSTM模型；4利用最小二乘法支持向量机LSSVM替换训练后CNN-LSTM模型中的归一化指数函数层Softmax；5使用电鳗觅食优化算法EEFO对LSSVM进行参数优化；6将测试样本集输入到改进后的CNN-LSTM模型中，获得故障诊断结果。
全文数据：
权利要求：
百度查询： 江苏师范大学 一种基于SGMD和优化CNN模型的轴承故障诊断方法
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