基于判别性卷积特征学的感应电机故障诊断方法

摘要

本发明公开了一种基于判别性卷积特征学的感应电机故障诊断方法，包括如下步骤：采集已知故障类别的感应电机振动信号，并按类别对电机振动信号进行标记，获得训练样本；分别对训练样本进行判别性卷积特征学，利用学到的特征向量来表示各个训练样本；将所述学到的特征向量加上标签并利用其来训练SVM分类器，确定SVM分类器的最佳分类参数。本发明能够以非监督的方式学电机振动信号中有效的故障特征，与现有故障诊断技术和机器学方法相比，判别性卷积特征学方法不仅更智能，而且模型简单，连接参数少，提高了智能特征提取方法的稳定性与实用性。

主权项

一种基于判别性卷积特征学习的感应电机故障诊断方法，其特征在于，包括如下步骤：步骤1、采集已知故障类别的感应电机振动信号，并按类别对电机振动信号进行标记，获得训练样本；步骤2、分别对训练样本进行判别性卷积特征学习，利用学习到的特征向量来表示各个训练样本；步骤3、将所述学习到的特征向量加上标签并利用其来训练SVM分类器，确定SVM分类器的最佳分类参数；步骤4、采集未知状态的感应电机的振动信号，并对其进行判别性卷积特征学习，获得能够表征该振动信号的特征向量，最后利用训练好的SVM分类器进行分类。