一种谱峭度结合卷积神经网络的风机齿轮箱复合故障诊断方法.pdfVIP

下载本文档

0
0
约8.48千字
约 9页
2023-05-17 发布于北京
举报
版权申诉

一种谱峭度结合卷积神经网络的风机齿轮箱复合故障诊断方法.pdf

1、本文档共9页，其中可免费阅读8页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及一种谱峭度结合卷积神经网络的风机齿轮箱复合故障诊断方法，采集不同类型风机故障对应的故障信号；去均值化和降噪；获取处理的故障信号谱峭度图，转化为灰度图；灰度图随机划分成训练集、测试集；初始化卷积神经网络的网络参数，设定批量训练数据集大小，及总训练代数Z；训练卷积神经网络模型，且在反向传播过程中，采用批量梯度下降法调整所述卷积神经网络的网络参数；将测试集输入到步骤S5训练完成的卷积神经网络模型，获得诊断结果。本发明使用谱峭度图作为卷积神经网络的输入识别特征，对于风机的复合故障识别更为精准。

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114813103 A (43)申请公布日 2022.07.29 (21)申请号 202210277070.6 (22)申请日 2022.03.21 (71)申请人江苏泰隆减速机股份有限公司地址