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：南京工业大学

摘要：本发明公开一种近似评价多小波特征级联的机械装备故障诊断方法，获取目标高速旋转部件在不同工况下不同部位的健康与故障状态的振动数据，添加噪声划分样本不平衡的数据集；构建三分支卷积神经网络模型，嵌入多小波核函数滤波器，并设计自监督式小波核权重矩阵实现对噪声不平衡样本特定的滤波、去噪、高低频分析以及多尺度分析，提取噪声样本不平衡信号多方面的特征，对不同分支进行特征级联，使用两分布近似评价方法度量分支特征级联的近似程度，准确定位多小波核函数的差异表达。本发明能够对不同工况下噪声样本不平衡完成诊断，提高同一部位不同程度的故障以及不同故障部位之间噪声样本不平衡的智能诊断准确度和精确度。

主权项：1.一种近似评价多小波特征级联的机械装备故障诊断方法，其特征在于，包括以下步骤：步骤S1、获取目标高速旋转部件在不同工况下不同部位的健康与故障状态的振动数据，添加噪声划分样本不平衡的数据集；步骤S2、构建三分支卷积神经网络模型，通过三分支卷积神经网络模型对不平衡样本数据集提取噪声样本不平衡信号多方面的特征；所述三分支卷积神经网络模型包括卷积层、多小波核函数滤波器和分类层，多小波核函数滤波器包括三个并行分支，包括高斯差分小波核函数层、Morlet小波核函数层、拉普拉斯小波核函数层，高斯差分小波核函数层、Morlet小波核函数层和拉普拉斯小波核函数层分别进行故障信号去噪、高低频分析以及多尺度分析；多小波核函数滤波器内设计有自监督式小波核权重矩阵；步骤S3、对步骤S2的三个不同分支进行特征级联，特征级联的方法为：第一分支与第二分支进行特征级联、第一分支与第三分支进行特征级联、第二分支与第三分支进行特征级联；第一分支为Morlet小波核函数层，第二分支为拉普拉斯小波核函数层，第三分支是高斯差分小波核函数层；步骤S4、使用两分布近似评价方法度量分支特征级联的近似程度，通过近似程度来定位多小波核函数的差异表达，并且自主选择最佳级联结果进入模型的决策层，决策层包括展平层、全连接层和softmax分类层，所述最佳级联结果是指近似程度最大值；所述步骤S4中两分布近似评价方法的具体内容如下： ；其中，为两分布近似评价方法得出的近似估计的最大值，E表示相对熵的期望形式，表示两分布近似评价方法赋予第一分支与第二分支的权重，表示两分布近似评价方法赋予第二分支与第三分支的权重，表示转换为分布的特征级联的近似估计，表示转换为分布的特征级联的近似估计，表示转换为分布的特征级联的近似估计； 的计算公式分别为： ；其中，表示、和通道中的值，表示两分布近似评价方法赋予第一分支与第三分支的权重，z服从简单的高斯分布，、和表示、和的分布。

全文数据：

权利要求：

百度查询： 南京工业大学 近似评价多小波特征级联的机械装备故障诊断方法