一种电机多信号深度学习检测方法
公开
摘要
本发明涉及一种电机多信号深度学习检测方法，包括如下步骤：S1:搭建一卷积神经网络模型；S2:训练所述卷积神经网络模型；S3:实时采集电机的声音信号和振动信号；S4:对所述采集到的声音信号和振动信号进行预处理，提取二维声音振动组合特征；S5:将所述二维声音振动组合特征输入所述卷积神经网络模型。本发明结合了声音信号和振动信号各自的优点，从中提取电机声音振动二维组合特征作为预测样本，并采用深度学习方法，利用三分支卷积神经网络模型进行二分类判断，有效提高了电机异响判断的准确率。
基本信息
专利标题 ：
一种电机多信号深度学习检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114386572A
申请号 ：
CN202111678075.1
公开（公告）日 ：
2022-04-22
申请日 ：
2021-12-31
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
朱宝鹤孙永吉任百吉
申请人 ：
上海泛德声学工程有限公司
申请人地址 ：
上海市松江区荣乐东路208弄9号9幢1层
代理机构 ：
上海诺衣知识产权代理事务所(普通合伙)
代理人 ：
衣然
优先权 ：
CN202111678075.1
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08 G06K9/62 G10L25/30 G10L25/51
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-04-22 ：
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
