公开(公告)号：CN113469281B

公开(公告)日：2023-11-24

申请号：CN202110830749.9

申请日：2021-07-22

Applicant: 西北工业大学

Inventor： 李永波 ,  杨玉龙 ,  李霓 ,  布树辉 ,  邓子辰 ,  吕晨浩 ,  乔斌 ,  王欣悦

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

Abstract: 征进行融合，以提高诊断的准确性。本发明提供一种工业齿轮箱多源信息融合故障诊断方法，提取多组正常及故障状态下的红外图像和振动信号，并进行预处理和尺度划分；打上故障对应的标签，将其构建故障数据样本集，并将其分割为训练集和测试集；通过CNN对训练集的红外图像特征提取，通过CNN‑BILSTM对训练集中的振动信号特征提取，并进行特征层融合；构建分类器，获取该批次的初始预测概率；将预测概率和标签的交叉熵作为损失函数，通过随机梯度下降优化器更新网络参数；共迭代若干次得到训练后的分类器预测概率；通过测试测试集(56)对比文件Ziwang Liu 等.Infrared Image Combinedwith CNN Based Fault Diagnosis forRotating Machinery《.2017 InternationalConference on Sensing, Diagnostics,Prognostics, and Control (SDPC)》.2017,137-142.袁壮.基于深度网络的油气设备特征学习与故障识别方法研究《.中国博士学位论文全文数据库 工程科技Ⅰ辑》.2021,第2021年卷(第1期),王庆 等.基于多尺度区域卷积神经网络的露头孔洞自动提取《.现代地质》.2021,Aneesh G. Nath 等.Improved StructuralRotor Fault Diagnosis Using Multi-SensorFuzzy Recurrence Plots and ClassifierFusion《.IEEE Sensors Journal》.2021,Jinjiang Wang 等.MultilevelInformation Fusion for Induction MotorFault Diagnosis《.IEEE/ASME Transactionson Mechatronics》.2019,第24卷(第5期),

公开(公告)号：CN113469281A

公开(公告)日：2021-10-01

申请号：CN202110830749.9

申请日：2021-07-22

Applicant: 西北工业大学

Inventor： 李永波 ,  杨玉龙 ,  李霓 ,  布树辉 ,  邓子辰 ,  吕晨浩 ,  乔斌 ,  王欣悦

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种工业齿轮箱多源信息融合故障诊断方法，提取多组正常及故障状态下的红外图像和振动信号，并进行预处理和尺度划分；打上故障对应的标签，将其构建故障数据样本集，并将其分割为训练集和测试集；通过CNN对训练集的红外图像特征提取，通过CNN‑BILSTM对训练集中的振动信号特征提取，并进行特征层融合；构建分类器，获取该批次的初始预测概率；将预测概率和标签的交叉熵作为损失函数，通过随机梯度下降优化器更新网络参数；共迭代若干次得到训练后的分类器预测概率；通过测试测试集的样本验证模型有效性。本文通过CNN网络实现对红外图像的特征提取，通过CNN与双向LSTM网络实现对振动信号的特征提取，将不同来源的特征进行融合，以提高诊断的准确性。