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：南通大学
摘要：本发明提供了一种基于时频图双流CNN和SVM的小样本轴承故障诊断方法，属于多种信号处理技术的小样本轴承故障诊断技术领域。解决了传统轴承诊断方法对小样本轴承故障诊断分类准确率不佳的技术问题。其技术方案为：包括以下步骤：步骤S1：信号采集与处理；步骤S2：设定采样频率；步骤S3：设定同步压缩小波变换的参数；步骤S4：建立多输入神经网络模型的故障诊断模型；步骤S5：将双流神经网络得到的融合特征输入到支持向量机进行训练和测试。本发明的有益效果为：采用支持向量机对提取的故障特征进行分类，在小样本情况下可实现对轴承故障的高效识别。
主权项：1.一种基于时频图双流CNN和SVM的小样本轴承故障诊断方法，其特征在于，包括以下步骤：步骤S1：信号采集与处理，获得滚动轴承不同故障损伤程度的原始振动数据，将数据进行处理，每种故障状态下选择相同长度的样本，按状态分别提取并存储到矩阵中并对其进行标签标注，合并所有数据并保存处理后的数据集；步骤S2：设定采样频率，窗口长度，窗口重叠数和离散傅里叶变换点数，对数据进行短时傅里叶变换图生成，对每个样本信号进行短时傅里叶变换，生成图像对其归一化，保存图像数据以便于后续的模型训练；步骤S3：设定同步压缩小波变换的参数，对每个样本信号进行同步压缩小波变换SWT处理，生成图像对其归一化，保存图像数据以供后续步骤使用；步骤S4：建立多输入神经网络模型的故障诊断模型，将步骤S2和步骤S3处理好的数据同时进行加载，划分为训练集和测试集，每类数据按照比例进行划分，构建一个多输入神经网络模型，模型包括两个输入支路，分别处理STFT和SWT特征，设置神经网络的各层结构，包括卷积层、池化层、批量归一化层和全连接层；步骤S5：将双流神经网络得到的融合特征输入到支持向量机SVM进行训练和测试，最后计算SVM的预测准确率。
全文数据：
权利要求：
百度查询： 南通大学 基于时频图双流CNN和SVM的小样本轴承故障诊断方法
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