公开(公告)号：CN106874957A

公开(公告)日：2017-06-20

申请号：CN201710107655.2

申请日：2017-02-27

Applicant: 苏州大学

Inventor： 朱忠奎 ,  曹世杰 ,  尤伟 ,  沈长青 ,  刘承建 ,  黄伟国

IPC: G06K9/62 ,  G01M13/04

CPC classification number: G06K9/6256 ,  G01M13/04 ,  G06K9/6269

Abstract: 本发明涉及一种滚动轴承故障诊断方法，其利用卷积神经网络理论的学习算法完成故障诊断所需的特征提取任务，可以不依赖人工选择，由简单到复杂、由低级到高级自动地提取输入数据的本质特征，并能自动挖掘出隐藏在已知数据中的丰富信息；此外，采用了支持向量回归方法对测试样本进行分类识别，支持向量回归具有强大的泛化能力，对未知的新样本进行识别具有更好的精度，采用支持向量回归作为分类器对样本进行分类识别，可以克服深度学习默认的分类器泛化能力一般的缺点。本发明能够提高滚动轴承故障诊断的准确性和有效性，为解决滚动轴承故障诊断问题提供一种新的有效途径，可广泛应用于化工、冶金、电力、航空等领域的复杂机械系统故障诊断中。

公开(公告)号：CN206504869U

公开(公告)日：2017-09-19

申请号：CN201720180479.0

申请日：2017-02-27

Applicant: 苏州大学

Inventor： 尤伟 ,  沈长青 ,  朱忠奎 ,  石娟娟 ,  江星星

IPC: G01M13/04

Abstract: 本实用新型涉及一种滚动轴承故障诊断装置，包括加速度传感器，用于采集四种工况下样本滚动轴承工作在不同转速的振动加速度信号以及待测滚动轴承工作时的振动加速度信号；数据处理单元，与加速度传感器连接，包括卷积神经网络模块，用于提取振动加速度信号的特征信号，将提取好的样本轴承的特征结合其标签输出、将提取好的待测轴承的特征直接输出；识别模块，与数据处理单元的输出端连接，用于对结合了标签的样本轴承的特征进行模型训练、对提取好的待测轴承的特征根据模型输出进行状态识别。本实用新型将卷积神经网络和支持向量回归具备的优点加以整合，利用深度学习和支持向量回归进行滚动轴承故障工况的分类，实现对滚动轴承故障的识别和诊断。