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。