基于改进S变换与深度学习的滚动轴承故障智能诊断方法

发明专利无效专利

申请号：
CN201910042618.7
IPC分类号：G01M13/045;G06K9/00;G06K9/62;G06N3/04;G06N3/08
申请日期：
2019-01-17
申请人：
燕山大学

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	基于改进S变换与深度学习的滚动轴承故障智能诊断方法
申请号	CN201910042618.7	申请日期	2019-01-17
法律状态	驳回	申报国家	中国
公开/公告日	2019-04-16	公开/公告号	CN109632309A
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;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	燕山大学	申请人地址	河北省秦皇岛市海港区河北大街西段438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	燕山大学	当前权利人	燕山大学
发明人	时培明;苏冠华;殷晓迪;田警辉
代理机构	北京挺立专利事务所（普通合伙）	代理人	刘阳

摘要

本发明公开了一种基于改进S变换与深度学习的滚动轴承故障智能诊断方法，通过对S变换加入窗宽调节因子的方式来改变其高斯窗函数窗宽，进而改善S变换的时频分辨率，使其能精确地检测到振动信号中的冲击分量，以便更好的提取滚动轴承振动信号的故障特征。本方法对轴承故障的振动信号做改进S变换，得到信号的特征矩阵，将特征矩阵按列展开成特征向量输入到稀疏自动编码器模型中，利用编码器的特性，进一步提取数据的深层特征，挖掘出人工无法识别的一些重要的隐含信息；并对提取到的特征做出准确的分类。本发明可以有效的提高滚动轴承故障诊断的准确率。

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