一种基于深度迁移学习的齿轮箱故障检测方法
公开
摘要
本发明提供的一种基于深度迁移学习的齿轮箱故障检测方法，包括收集齿轮箱原始的信号数据、对原始的信号进行降噪和数据清洗、用特征提取器进行提取、得到新图像、构建模型、用训练数据和验证数据对模型进行结果分析和验证，本发明克服了齿轮箱故障诊断的类别较为单一的技术问题，创新性的将齿轮箱的振动信号、温度信号和油液信号的图像数据进行交叉组合，得到多组的复合图像数据，最终构建复合故障的模型，再将得到的卷积神经网络模型迁移至齿轮箱诊断检测数据中，计算迁移诊断故障率，诊断率在94％‑100％之间，即实现高精度诊断，实现了复合故障情况下对齿轮箱的故障快速检测。
基本信息
专利标题 ：
一种基于深度迁移学习的齿轮箱故障检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114298288A
申请号 ：
CN202210078254.X
公开（公告）日 ：
2022-04-08
申请日 ：
2022-01-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王文娟丁锋刘丹何睿潇李杰
申请人 ：
西安工业大学
申请人地址 ：
陕西省西安市金花北路4号
代理机构 ：
西安铭泽知识产权代理事务所(普通合伙)
代理人 ：
王力文
优先权 ：
CN202210078254.X
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08 G06Q10/00 G06Q10/06 G06Q50/04
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
2022-04-08 ：
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
