公开(公告)号：CN114254669B

公开(公告)日：2024-09-06

申请号：CN202111426438.2

申请日：2021-11-27

Applicant: 郑州轻工业大学

Inventor： 王妍 ,  梁洁 ,  顾晓光 ,  凌丹 ,  王延峰 ,  孙军伟 ,  王英聪 ,  于浩文 ,  潘林帆

IPC: G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G01M13/045 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/048 ,  G06F123/02

Abstract: 本发明提出一种滚动轴承故障诊断中时序周期ResNet网络模型的构建方法，用以解决传统的时间序列分类方法不具备应对滚动轴承复杂的运行环境以及浅层网络结构难以解决复杂非线性信号的故障分类、分类准确度低等技术问题。本发明包括获取多组不同状态的滚动轴承时序数据，并对滚动轴承时序数据预处理，然后将预处理后的滚动轴承时序数据分成多个时序周期片段并进行标签分类，构建时序周期ResNet网络模型提取滚动轴承时序数据的特征进行故障诊断，最后输出滚动轴承故障诊断的分类结果。本发明简化深度学习的运行过程，显著提高轴承数据集的故障诊断精度。

公开(公告)号：CN114254669A

公开(公告)日：2022-03-29

申请号：CN202111426438.2

申请日：2021-11-27

Applicant: 郑州轻工业大学

Inventor： 王妍 ,  梁洁 ,  顾晓光 ,  凌丹 ,  王延峰 ,  孙军伟 ,  王英聪 ,  于浩文 ,  潘林帆

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

Abstract: 本发明提出一种滚动轴承故障诊断中时序周期ResNet网络模型的构建方法，用以解决传统的时间序列分类方法不具备应对滚动轴承复杂的运行环境以及浅层网络结构难以解决复杂非线性信号的故障分类、分类准确度低等技术问题。本发明包括获取多组不同状态的滚动轴承时序数据，并对滚动轴承时序数据预处理，然后将预处理后的滚动轴承时序数据分成多个时序周期片段并进行标签分类，构建时序周期ResNet网络模型提取滚动轴承时序数据的特征进行故障诊断，最后输出滚动轴承故障诊断的分类结果。本发明简化深度学习的运行过程，显著提高轴承数据集的故障诊断精度。