【技术实现步骤摘要】
一种基于最小信息熵特征学习模型的旋转机械故障诊断方法
本专利技术涉及振动信号智能故障诊断
，涉及一种基于最小信息熵特征学习模型的旋转机械故障诊断方法。
技术介绍
随着现代化工业的发展和科学技术的进步，工程车辆、轨道交通等装载工具正朝着高速、高精、高效方向发展，建立可靠的健康监测系统是保证这些设备高效、安全运行的必要举措，对合理延长机械设备使用寿命、减少周期性维护费用以及保证设备运行的安全性都具有重要的意义。作为传动动力的主要部件，齿轮箱具有结构紧凑，传递精度高，传递扭矩大的特点，在航空、工程车辆、轨道交通等领域得到了广泛的应用。齿轮箱中的旋转部件如轴、轴承、齿轮等具有加工精度高，传递误差小，装备精度高等特点，常在各种复杂多变的作业工况、行驶环境下工作，是齿轮箱最关键的也是易出现故障的部件，这些故障信号往往被淹没在环境噪声之中，不易被察觉。建立可靠的健康监测系统是保证这些设备高效、安全运行的必要举措，对合理延长机械设备使用寿命、减少周期性维护费用以及保证设备运行的安全性都具有重要的意义。由于计算机网络的迅速发展，...
【技术保护点】
1.一种基于最小信息熵特征学习模型的旋转机械故障诊断方法，其特征在于，包括以下步骤：/n根据采集到的故障振动信号构造Hankel矩阵，将Hankel矩阵进行堆叠之后通过线性映射得到特征矩阵；/n对特征矩阵的行进行L
【技术特征摘要】
1.一种基于最小信息熵特征学习模型的旋转机械故障诊断方法，其特征在于，包括以下步骤：
根据采集到的故障振动信号构造Hankel矩阵，将Hankel矩阵进行堆叠之后通过线性映射得到特征矩阵；
对特征矩阵的行进行L2范数归一化，然后最小化特征矩阵的信息熵得到训练好的权值矩阵；
通过训练好的权值矩阵求出故障振动信号的特征，对故障振动信号的特征进行Z-score标准化并与标签合并导入Softmax模型进行优化，得到训练完成的Softmax分类器；
通过权值矩阵求出测试环境下的旋转机械振动信号的特征，对所述旋转机械振动信号的特征进行Z-score标准化后输入Softmax分类器中，得到旋转机械的故障诊断结果。
2.根据权利要求1所述的基于最小信息熵特征学习模型的旋转机械故障诊断方法，其特征在于：在步骤1中构造Hankel矩阵的过程为：设M个带有标签的旋转机械振动信号样本为根据旋转机械的转速信息构造故障振动信号的Hankel矩阵其中Nin为矩阵列的长度，Ns为矩阵行的长度；将所有旋转机械振动样本的Hankel矩阵堆叠并线性映射得到训练模型的输入矩阵S，其中，
3.根据权利要求2所述的基于...
【专利技术属性】
技术研发人员：陆建涛，张宗振，李舜酩，马会杰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。