基于卷积神经网络的旋转机械故障征兆识别方法
授权
摘要
本发明公开了一种基于卷积神经网络的旋转机械故障征兆识别方法，包括以下步骤：（1）采集旋转机械的轴心对的振动信号；（2）对采集到的轴心对的振动信号进行傅里叶变换，获得振动信号的频域信息矩阵；对采集到的轴心对的两个振动信号进行组合，获得振动信号的时域信息矩阵；（3）按照预先训练过的卷积神经网络模型的输入形式，对频域信息矩阵和时域信息矩阵进行预处理，得到振动综合信息矩阵；（4）将振动综合信息矩阵输入到所述卷积神经网络模型，所述卷积神经网络模型对接收到的振动综合信息矩阵进行诊断分析，得到旋转机械的故障征兆结果。采用本发明的方法，可以得到旋转机械的故障征兆，辅助实现旋转机械故障的实时智能诊断。
基本信息
专利标题 ：
基于卷积神经网络的旋转机械故障征兆识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN111723658A
申请号 ：
CN202010401002.7
公开（公告）日 ：
2020-09-29
申请日 ：
2020-05-13
授权号 ：
CN111723658B
授权日 ：
2022-06-10
发明人 ：
何小锋杨涛刘晓锋卢修连张恩先卢承斌陈波陈华桂何利鹏马运翔张耀华彭辉张泰岩姚永灵郭盛
申请人 ：
江苏方天电力技术有限公司;国网江苏省电力有限公司;华中科技大学
申请人地址 ：
江苏省南京市江宁科学园天元中路19号
代理机构 ：
南京纵横知识产权代理有限公司
代理人 ：
耿英
优先权 ：
CN202010401002.7
主分类号 ：
G06K9/00
IPC分类号 ：
G06K9/00 G06N3/04 G06N3/08 G01M7/02 G01M13/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
法律状态
2022-06-10 ：
授权
2020-10-27 ：
实质审查的生效
IPC(主分类) : G06K 9/00
申请日 : 20200513
申请日 : 20200513
2020-09-29 ：
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
