【技术实现步骤摘要】
本专利技术涉及航空，具体涉及一种基于卷积神经网络的振动信号故障诊断方法和装置。
技术介绍
1、航空发动机是为航空器提供飞行所需动力的装置，是航空器的“心脏”。由于长期在高温、高压、高转速、变工况等复杂条件下工作，航空发动机在使用过程中不可避免地会产生故障，严重时甚至会导致重大事故。航空发动机振动信号分析是航空发动机状态监测和故障诊断的主要方法，振动信号能够及时地反映发动机的健康与否。
2、在已有技术中，振动信号故障诊断方法需要先对振动信号提取特征，然后利用机器学习算法进行分类，该方法的难点在于需要提取用于表征不同故障类型的特征，特征提取的结果将直接影响故障诊断的效果，特征提取过程繁琐，故障诊断的准确率较低。
3、因此，提供一种基于卷积神经网络的振动信号故障诊断方法和装置，以解决现有技术中振动信号故障诊断中特征提取过程复杂，故障诊断的准确率较低的技术问题。
技术实现思路
1、为此，本专利技术实施例提供一种基于卷积神经网络的振动信号故障诊断方法和装置，用以解决现有技术中...
【技术保护点】
1.一种基于卷积神经网络的振动信号故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于卷积神经网络的振动信号故障诊断方法，其特征在于，利用振动信号样本和对应的故障标签，基于预先构建的卷积神经网络进行训练，得到所述故障诊断模型，具体包括：
3.根据权利要求2所述的基于卷积神经网络的振动信号故障诊断方法，其特征在于，利用所述训练集对预先构建的卷积神经网络进行训练，并利用验证集对所述卷积神经网络进行超参数调整，以得到所述故障诊断模型，具体包括：
4.根据权利要求3所述的基于卷积神经网络的振动信号故障诊断方法，其特征在于，...
【技术特征摘要】
1.一种基于卷积神经网络的振动信号故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于卷积神经网络的振动信号故障诊断方法，其特征在于，利用振动信号样本和对应的故障标签，基于预先构建的卷积神经网络进行训练，得到所述故障诊断模型，具体包括：
3.根据权利要求2所述的基于卷积神经网络的振动信号故障诊断方法，其特征在于，利用所述训练集对预先构建的卷积神经网络进行训练，并利用验证集对所述卷积神经网络进行超参数调整，以得到所述故障诊断模型，具体包括：
4.根据权利要求3所述的基于卷积神经网络的振动信号故障诊断方法，其特征在于，所述损失函数l的表达式为：
5.根据权利要求4所述的基于卷积神经网络的振动信号故障诊断方法，其特征在于，在训练过程中，设定初始学习率和最小学习率；
6.根据权利...
【专利技术属性】
技术研发人员：王海辉，严圣刚，崔浩波，孙泽茹，范满意，
申请(专利权)人：北京航空航天大学，
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。