发明名称 | 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。 | ||
申请公布号 | CN105910827B | 申请公布日期 | 2017.04.05 |
申请号 | CN201610262121.2 | 申请日期 | 2016.04.25 |
申请人 | 东南大学 | 发明人 | 严如强;孙文珺;赵锐;邵思羽;陈雪峰 |
分类号 | G01M15/00(2006.01)I | 主分类号 | G01M15/00(2006.01)I |
代理机构 | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人 | 窦贤宇 |
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。 | ||
地址 | 210096 江苏省南京市玄武区四牌楼2号 |