公开(公告)号：CN110132554B

公开(公告)日：2020-10-09

申请号：CN201910308770.5

申请日：2019-04-17

Applicant: 东南大学

Inventor： 贾民平 ,  赵孝礼 ,  沈慧 ,  胡建中 ,  许飞云 ,  黄鹏

IPC: G01M13/00 ,  G01M13/028 ,  G01M13/045 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种深度拉普拉斯自编码的旋转机械故障诊断方法，包括步骤如下：1、在旋转机械的关键部件采集振动信号；2、将所采集的振动信号转化为频谱信号，并分为测试样本子集与训练样本子集；3、将训练样本输入到拉普拉斯自编码模型中进行预训练,用有监督学习算法进一步调整预训练后的拉普拉斯自编码模型，并根据拉普拉斯自编码模型中的损失函数，得到拉普拉斯自编码模型的参数；4、将测试样本输入到训练完成的深度拉普拉斯自编码模型，得到多层敏感的故障特征；5、将步骤4得到的故障特征输入到分类器中进行故障分类与诊断，实现旋转机械设备的故障诊断。本发明提高不平衡数据的故障诊断精度，有效的实现不平衡数据的分类与诊断。

公开(公告)号：CN110132554A

公开(公告)日：2019-08-16

申请号：CN201910308770.5

申请日：2019-04-17

Applicant: 东南大学

Inventor： 贾民平 ,  赵孝礼 ,  沈慧 ,  胡建中 ,  许飞云 ,  黄鹏

IPC: G01M13/00 ,  G01M13/028 ,  G01M13/045 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种深度拉普拉斯自编码的旋转机械故障诊断方法，包括步骤如下：1、在旋转机械的关键部件采集振动信号；2、将所采集的振动信号转化为频谱信号，并分为测试样本子集与训练样本子集；3、将训练样本输入到拉普拉斯自编码模型中进行预训练,用有监督学习算法进一步调整预训练后的拉普拉斯自编码模型，并根据拉普拉斯自编码模型中的损失函数，得到拉普拉斯自编码模型的参数；4、将测试样本输入到训练完成的深度拉普拉斯自编码模型，得到多层敏感的故障特征；5、将步骤4得到的故障特征输入到分类器中进行故障分类与诊断，实现旋转机械设备的故障诊断。本发明提高不平衡数据的故障诊断精度，有效的实现不平衡数据的分类与诊断。