一种基于半监督学习深度对抗网络的故障诊断方法

发明专利有效专利

申请号：
CN201910938231.X
IPC分类号：G01M13/045;G06N3/04;G06N3/08
申请日期：
2019-09-30
申请人：
安徽富煌科技股份有限公司;合肥工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于半监督学习深度对抗网络的故障诊断方法
申请号	CN201910938231.X	申请日期	2019-09-30
法律状态	授权	申报国家	暂无
公开/公告日	2020-02-21	公开/公告号	CN110823574A
优先权	暂无	优先权号	暂无
主分类号	G01M13/045	IPC分类号	G;0;1;M;1;3;/;0;4;5;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	安徽富煌科技股份有限公司;合肥工业大学	申请人地址	安徽省合肥市长江西路669号科创投资大厦9楼变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	安徽富煌科技股份有限公司,合肥工业大学	当前权利人	安徽富煌科技股份有限公司,合肥工业大学
发明人	徐娟;史永方;任子晖;刘磊;赵玉坤
代理机构	合肥和瑞知识产权代理事务所（普通合伙）	代理人	王挺

摘要

本发明公开了一种基于半监督学习深度对抗网络的故障诊断方法，获取不同工作故障下轴承的振动信号，将故障轴承的振动时域信号进行小波变换为二维图像；通过生成对抗网络对少量有标签的数据进行监督学习，对大量无标签的数据进行无监督训练，用卷积神经网络提取高维特征实现数据的分类，从而识别轴承的故障类别。本发明实现了在有限的带标签数据的情况下训练得到高精度的故障诊断模型，得到更准确的判别器，从而能够基于滚动轴承的振动信号进行精准故障诊断。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供