摘要
本发明提出一种轴承故障诊断方法及系统,包括:采集轴承的振动信号数据,并对所述振动信号数据进行预处理,获得轴承故障检测数据集;将所述轴承故障检测数据集划分训练集、验证集和测试集,构建深度学习网络模型;基于所述训练集对所述深度学习网络模型进行训练,将训练结果最好的模型进行保存,获得目标网络模型;将轴承运行的实时数据输入所述目标网络模型进行故障检测,获得故障检测结果。本发明通过增加神经网络第一层卷积的宽度,获取很多特征信息,接着多层小卷积的结构,有效地抑制了过拟合,相较于传统故障诊断方法,本发明能够更快速、更准确的对机器轴承可能发生的故障进行诊断。
技术关键词
轴承故障诊断方法
轴承故障诊断系统
轴承故障检测
构建深度学习网络
深度学习网络模型
核心控制单元
深度学习神经网络
卷积模块
训练集
采集单元
实时数据
信号调理电路
归一化模块
诊断特征
系统为您推荐了相关专利信息
知识图谱构建方法
信道
深度学习网络模型
基站
线性
轴承故障诊断方法
图像
连续小波变换
信号
螺旋正弦
多模态信息
CT影像组学特征
多模态特征融合
深度学习特征
深度学习网络模型