基本信息:
- 专利标题： 多尺度一维卷积神经网络的风机基座螺栓松动诊断方法
- 申请号：CN202010255381.3 申请日：2020-04-02
- 公开(公告)号：CN111413075A 公开(公告)日：2020-07-14
- 发明人： 陈仁祥 , 徐培文 , 杨黎霞 , 曾力 , 王钰洁 , 崔晓璐 , 朱炬锟 , 陈键
- 申请人： 重庆交通大学
- 申请人地址： 重庆市南岸区学府大道66号
- 专利权人： 重庆交通大学
- 当前专利权人： 重庆交通大学
- 当前专利权人地址： 重庆市南岸区学府大道66号
- 代理机构： 北京同恒源知识产权代理有限公司
- 代理人： 赵荣之
- 主分类号： G01M13/00
- IPC分类号： G01M13/00 ; G06N3/04 ; G06N3/08
摘要：
本发明涉及多尺度一维卷积神经网络的风机基座螺栓松动诊断方法，属于机械状态诊断技术领域。首先，以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入，摆脱对信号处理和专业知识的依赖，并最大程度保留原始信号特征；然后，通过交替的多尺度卷积层和池化层对时域信号特征进行学习；最后，在特征输出层后添加Softmax多分类器，利用反向传播逐层微调结构参数建立特征空间到健康状态空间的映射，输出风机基座螺栓松动程度诊断结果。本方法将松动程度特征自动学习与松动程度诊断融为一体，实现了风机基座螺栓松动程度智能诊断。通过在稳定转速和变转速下对风机基座螺栓松动程度诊断实验，证明了所提方法的可行性和有效性。