申请/专利权人：同济大学

申请日：2020-03-06

公开（公告）日：2020-07-24

公开（公告）号：CN111444780A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G01M13/04(20190101);G01M13/045(20190101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.12.08#发明专利申请公布后的驳回;2020.08.18#实质审查的生效;2020.07.24#公开

摘要：本发明涉及一种基于深度稀疏降噪自编码网络的轴承故障诊断方法，包括以下步骤：1采集轴承运行数据；2对采集到的轴承运行数据进行数据预处理和数据划分；3构建深度稀疏降噪自编码网络提取轴承运行数据中用以实现故障分类的代表性特征；4构建多分类网络并输入代表性特征实现轴承故障的分类诊断。本发明在对基于深度稀疏降噪自编码网络的轴承故障诊断应用上，利用计算机运算实现对轴承智能化诊断，相比已有的深度学习以及机器学习算法或者传统诊断方法具有成本低，准确率高，应用泛化性高，运算要求低等优点。

主权项：1.一种基于深度稀疏降噪自编码网络的轴承故障诊断方法，其特征在于，包括以下步骤：1采集轴承运行数据；2对采集到的轴承运行数据进行数据预处理和数据划分；3构建深度稀疏降噪自编码网络提取轴承运行数据中用以实现故障分类的代表性特征；4构建多分类网络并输入代表性特征实现轴承故障的分类诊断。

全文数据：

权利要求：

百度查询： 同济大学 一种基于深度稀疏降噪自编码网络的轴承故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD