基于全卷积自编码器和优化支持向量机的滚动轴承故障诊断方法
实质审查的生效
摘要
本发明公开了一种基于全卷积自编码器和优化支持向量机的滚动轴承故障诊断方法，属于轴承故障诊断领域。首先，由于传统故障特征提取困难且特征的泛化性较弱，本发明提出了基于全卷积自编码器的故障诊断方法，全卷积自编码器同时具备卷积神经网络和自编码器的优点，采用堆叠全卷积自编码器自动从轴承振动信号频谱中提取深度故障特征；然后使用Fisher准则对所提取的深度故障特征进行评分排序，此准则是基于内类距离和类间距离的，可以筛选出区分性较强的故障特征；最后，采用改进的樽海鞘算法对SVM的超参数进行优化，将筛选后的特征输入优化SVM完成滚动轴承的故障识别。
基本信息
专利标题 ：
基于全卷积自编码器和优化支持向量机的滚动轴承故障诊断方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114354194A
申请号 ：
CN202111500009.5
公开（公告）日 ：
2022-04-15
申请日 ：
2021-12-09
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
任海军李琦沈力韦冲罗亮谭志强丁显飞
申请人 ：
重庆邮电大学
申请人地址 ：
重庆市南岸区南山街道崇文路2号
代理机构 ：
重庆市恒信知识产权代理有限公司
代理人 ：
李金蓉
优先权 ：
CN202111500009.5
主分类号 ：
G01M13/045
IPC分类号 ：
G01M13/045 G06F30/17 G06F30/27
IPC结构图谱
G
G部——物理
G01
测量；测试
G01M
机器或结构部件的静或动平衡的测试；其他类目中不包括的结构部件或设备的测试
G01M13/045
••声学或振动分析
法律状态
2022-05-03 ：
实质审查的生效
IPC(主分类) : G01M 13/045
申请日 : 20211209
申请日 : 20211209
2022-04-15 ：
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
