公开(公告)号：CN111027641B

公开(公告)日：2024-02-13

申请号：CN201911358295.9

申请日：2019-12-25

Applicant: 许昌北邮万联网络技术有限公司 ,  北京邮电大学

Inventor： 田辉 ,  刘贤德 ,  林尚静 ,  李谦 ,  石颂平 ,  刘国泰

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0464 ,  G01M99/00

Abstract: 本发明实施例提供了一种旋转机械设备的故障诊断方法及装置，该方法可以通过从旋转机械设备中连续、等时间间隔采集一组振动信号，作为待诊断信号，并将待诊断信号输入至预设的故障诊断模型中，获得待诊断信号所属的故障类型；其中，故障诊断模型为预先采用样本诊断信号对预设的卷积神经网络进行训练得到的、用于确定样本诊断信号所属的故障类型的模型，卷积神经网络首层中的卷积层包含不同的卷积核，且所述卷积核的大小存在不同。应用本发明实施例提供的故障诊断方法能够降低旋转机械设备的故障诊断的复杂度。

公开(公告)号：CN111027641A

公开(公告)日：2020-04-17

申请号：CN201911358295.9

申请日：2019-12-25

Applicant: 许昌北邮万联网络技术有限公司 ,  北京邮电大学

Inventor： 田辉 ,  刘贤德 ,  林尚静 ,  李谦 ,  石颂平 ,  刘国泰

IPC: G06K9/62 ,  G06N3/08 ,  G01M99/00

Abstract: 本发明实施例提供了一种旋转机械设备的故障诊断方法及装置，该方法可以通过从旋转机械设备中连续、等时间间隔采集一组振动信号，作为待诊断信号，并将待诊断信号输入至预设的故障诊断模型中，获得待诊断信号所属的故障类型；其中，故障诊断模型为预先采用样本诊断信号对预设的卷积神经网络进行训练得到的、用于确定样本诊断信号所属的故障类型的模型，卷积神经网络首层中的卷积层包含不同的卷积核，且所述卷积核的大小存在不同。应用本发明实施例提供的故障诊断方法能够降低旋转机械设备的故障诊断的复杂度。