一种基于深层特征和迁移学习的变工况下滚动轴承故障诊断方法
授权
摘要
一种基于深层特征和迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断技术领域，为了解决变工况下滚动轴承不同故障位置及不同性能退化程度多状态识别准确率低的问题。首先采用SDAE对滚动轴承振动信号频域幅值进行特征提取，得到振动信号深层特征，并构成源域特征样本集和目标域特征样本集。然后采用JGSA对源域特征样本与目标域特征样本进行域适应处理，达到同时减少域间特征样本的分布偏移及子空间变换差异的目的，进而缩减不同类特征样本间的域偏移。最后通过K近邻算法完成变工况下滚动轴承多状态分类。本发明与其他方法相比较，在滚动轴承变工况条件下表现出更好的特征提取能力，其样本特征可视化效果最佳，变工况下滚动轴承故障诊断准确率高。
基本信息
专利标题 ：
一种基于深层特征和迁移学习的变工况下滚动轴承故障诊断方法
专利标题（英）：
暂无
公开（公告）号 ：
CN109902393A
申请号 ：
CN201910159895.6
公开（公告）日 ：
2019-06-18
申请日 ：
2019-03-01
授权号 ：
CN109902393B
授权日 ：
2022-06-14
发明人 ：
康守强王玉静胡明武王庆岩谢金宝
申请人 ：
哈尔滨理工大学
申请人地址 ：
黑龙江省哈尔滨市南岗区学府路52号
代理机构 ：
哈尔滨市松花江专利商标事务所
代理人 ：
杨立超
优先权 ：
CN201910159895.6
主分类号 ：
G06F17/50
IPC分类号 ：
G06F17/50 G01M13/04
法律状态
2022-06-14 ：
授权
2019-07-12 ：
实质审查的生效
IPC(主分类) : G06F 17/50
申请日 : 20190301
申请日 : 20190301
2019-06-18 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
