【技术实现步骤摘要】
本专利技术属于机械故障诊断，具体涉及一种基于轻量化神经网络的滚动轴承故障诊断方法。
技术介绍
1、滚动轴承是旋转机械中最关键的功能部件之一。由于其恶劣的工作条件和运行环境，如高速、高温、过载和润滑不良，滚动轴承的故障是不可避免的。一旦滚动轴承出现故障，旋转机械甚至整个工业生产过程都会受到影响。为了发现和识别突发的滚动轴承故障，有必要进行有效的故障诊断方法，这不仅有助于消除事故的威胁，还能降低维修成本，提高设备的可靠性。为实现滚动轴承的故障诊断，人们做了许多努力。
2、传统机器学习方法固有的浅层结构限制了其在复杂监测数据情况下的应用。
3、基于卷积神经网络的诊断方法已成为故障诊断领域的主流算法，由于卷积神经网络使用了反向传播bp，随着网络层数的增加，卷积神经网络中的计算量和参数都会明显增加，不利于故障诊断的现场应用，为了解决这个问题，有两种最常用的方法。第一种是对数据进行预处理，这使得卷积神经网络能够以较少的层数提取足够的特征。另一种是使用轻量级卷积神经网络，通常通过网络裁剪、卷积优化等方式尽可能减少计算参数和模型
本文档来自技高网...
【技术保护点】
1.一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，对滚动轴承运行信号进行预处理的过程包括：
3.根据权利要求2所述的一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，采用小波包分解对时域信号进行处理的过程包括：对时域信号进行小波包分解，得到多个分解信号；计算各分解信号的能量，取信号能量最大的信号进行重构，得到时频特征。
4.根据权利要求3所述的一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，对时域信号进行小波包分解
<...【技术特征摘要】
1.一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，对滚动轴承运行信号进行预处理的过程包括：
3.根据权利要求2所述的一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，采用小波包分解对时域信号进行处理的过程包括：对时域信号进行小波包分解，得到多个分解信号；计算各分解信号的能量，取信号能量最大的信号进行重构，得到时频特征。
4.根据权利要求3所述的一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，对时域信号进行小波包分解的公式为：
5.根据权利要求3所述的一种基于轻量化神经网络的滚动轴承故障诊断方法，其特征在于，信号进行重构的公式为：
6.根据权利要求1所述的一种基于轻...
【专利技术属性】
技术研发人员：董鑫，乔磊，廖天绪，葛俊杰，潘立顺，钟思文，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
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。