【技术实现步骤摘要】
本专利技术涉及电机轴承的故障诊断领域，具体为一种基于jmfan网络的感应电动机跨轴承故障诊断模型。
技术介绍
1、轴承是旋转机械中最为常见的传动部件，由于其复杂的工作环境和自身机械结构，轴承很容易产生内圈、外圈和滚动体的损伤。这些故障严重时甚至会导致整个设备损坏，造成停机和安全事故。
2、随着近年来物联网和人工智能的不断发展和应用，大量在线监测系统安装在关键设备中，旋转机械的智能化管理正朝着自动化、智能化方向不断前进。这为智能故障诊断技术的发展提供了更加丰富、全面的数据来源，旋转机械的智能化管理进入了“大数据”时代。传统的特征提取方法在面对海量的数据时，往往费时费力。机器学习因其能利用大数据来挖掘数据的内在特征从而实现故障特征的自动识别而得到广泛的关注。
3、神经网络虽然可以有效地提取滚动轴承振动信号的深层特征，从而实现故障轴承的自动诊断，但往往对训练数据的质量要求较高，且不具有较高的泛化性能。
4、然而在工业生产中往往会用到不同类型的轴承，但为每种类型的轴承都建立一个故障诊断模型太过于费时费力，因此...
【技术保护点】
1.一种基于JMFAN网络的感应电动机跨轴承故障诊断模型，其特征在于，包括以下步骤：
2.如权利要求1所述一种基于JMFAN网络的感应电动机跨轴承故障诊断模型，其特征在于，所述步骤1具体步骤如下：
3.如权利要求2所述一种基于JMFAN网络的感应电动机跨轴承故障诊断模型，其特征在于，步骤1.2中所述源域数据集和目标域数据集，按4:1的比例划分为训练集和测试集。
4.如权利要求1所述一种基于JMFAN网络的感应电动机跨轴承故障诊断模型，其特征在于，所述步骤2具体步骤如下：
5.如权利要求4所述一种基于JMFAN网络的感应电...
【技术特征摘要】
1.一种基于jmfan网络的感应电动机跨轴承故障诊断模型，其特征在于，包括以下步骤：
2.如权利要求1所述一种基于jmfan网络的感应电动机跨轴承故障诊断模型，其特征在于，所述步骤1具体步骤如下：
3.如权利要求2所述一种基于jmfan网络的感应电动机跨轴承故障诊断模型，其特征在于，步骤1.2中所述源域数据集和目标域数据集，按4:1的比例划分为训练集和测试集。
4.如权利要求1所述一种基于jmfan网络的感应电动机跨轴承故障诊断模型，其特征...
【专利技术属性】
技术研发人员：史丽萍，刘智宏，赵井贵，董博宇，
申请(专利权)人：徐州上若科技有限公司，
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。