一种基于层次卷积神经网络的机械故障预测方法

发明专利有效专利

申请号：
CN201811197982.2
IPC分类号：G01M13/00;G01M13/045;G06N3/04
申请日期：
2018-10-15
申请人：
华中科技大学

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	一种基于层次卷积神经网络的机械故障预测方法
申请号	CN201811197982.2	申请日期	2018-10-15
法律状态	授权	申报国家	中国
公开/公告日	2019-03-01	公开/公告号	CN109406118A
优先权	暂无	优先权号	暂无
主分类号	G01M13/00 ? IPC结构图谱： G 物理 G0 仪器 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 G01M13/00 机械部件的测试	IPC分类号	G;0;1;M;1;3;/;0;0;;;G;0;1;M;1;3;/;0;4;5;;;G;0;6;N;3;/;0;4查看分类表>
申请人	华中科技大学	申请人地址	湖北省武汉市洪山区珞喻路1037号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	华中科技大学	当前权利人	华中科技大学
发明人	文龙;高亮;李新宇;张钊
代理机构	华中科技大学专利中心	代理人	孔娜;曹葆青

摘要

本发明属于神经网络故障预测相关技术领域，其公开了一种基于层次卷积神经网络的机械故障预测方法，该方法包括以下步骤：(1)采用S变换将待故障预测的机械的振动信号从时序信号变换成时频图，以备用；(2)结合故障类型在不同粒度上的层次划分，以构建双输出的层次卷积神经网络模型，所述时频图为所述层次卷积神经网络模型的输入；所述层次卷积神经网模型具有两类分类器，分别为粗分类器及精分类器；(3)依次采用粗标签及精标签对所述粗分类器及所述精分类器进行训练，以得到训练好的层次卷积神经网络模型，进而进行机械故障预测。本发明提高了精度及效率，适用性较好，有利于在实际应用中推广应用。

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