一种基于小波时频图与深度学习的轴承故障诊断方法
发明专利本发明涉及一种基于小波时频图与深度学习的轴承故障诊断方法,方法包括:获取滚动轴承多个正常振动信号、多个外圈故障振动信号、多个内圈故障振动信号,以及多个滚动体故障振动信号;将每个正常振动信号、外圈故障振动信号、内圈故障振动信号以及滚动体故障振动信号依次进行VMD预处理和CWT处理后,得到包含有正常矩阵、外圈故障矩阵、内圈故障矩阵和滚动体故障矩阵的数据集;使用SSA对SDAE的学习率和批量大小两个参数进行全局组合优化,得到优化SDAE;将数据集输入至优化SDAE中进行训练;将采集到的待检测滚动轴承信号经过输入训练后的SDAE中获得故障评估与诊断结果。
《一种基于小波时频图与深度学习的轴承故障诊断方法》是一发明专利,专利号为 2022105233182,当前法律状态为已下证,由重庆理工大学提出申请,发明人为程瑶;贾宁;刘云阳;高晨斐;田又源,申请日期为2022-05-13,公开(公告)日期为2025-04-29,国际专利分类号(IPC)为 G01M13/045(2019.01)I;G06F18/241(2023.01)I;G06N3/006(2023.01)I,所属技术领域包括:工业系统、轴承故障、轴承加工、机械设备、机械制造、人工智能、计算机技术、航空航天、交通运输。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及一种基于小波时频图与深度学习的轴承故障诊断方法,方法包括:获取滚动轴承多个正常振动信号、多个外圈故障振动信号、多个内圈故障振动信号,以及多个滚动体故障振动信号;将每个正常振动信号、外圈故障振动信号、内圈故障振动信号以及滚动体故障振动信号依次进行VMD预处理和CWT处理后,得到包含有正常矩阵、外圈故障矩阵、内圈故障矩阵和滚动体故障矩阵的数据集;使用SSA对SDAE的学习率和批量大小两个参数进行全局组合优化,得到优化SDAE;将数据集输入至优化SDAE中进行训练;将采集到的待检测滚动轴承信号经过输入训练后的SDAE中获得故障评估与诊断结果。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
