【技术实现步骤摘要】
本专利技术属于工业系统故障诊断，具体涉及基于vmd分解与多尺度卷积网络相结合的故障诊断方法。
技术介绍
1、滚动轴承作为机械设备中的重要部件，其在现代工业系统中扮演着越来越重要的角色。在工业生产过程中，滚动轴承往往会因为各种因素性能衰退、部件损坏、最终发生故障，从而对生产企业和社会造成严重危害，因此需要提出一种切实可行的滚动轴承故障诊断方法，及时对发生的故障类型进行辨识，减少因故障造成的财产损失。而深度学习凭借着其强大的特征提取功能和端到端的学习能力，已经成为众多学者研究的焦点。
技术实现思路
1、本专利技术的目的是提供基于vmd分解与多尺度卷积网络相结合的故障诊断方法，实现了对信号特征的准确提取，解决了信号特征可解释性差的问题。
2、本专利技术所采用的技术方案是，基于vmd分解与多尺度卷积网络相结合的故障诊断方法，具体按照以下步骤实施：
3、步骤1、采用滑动窗口构建数据集；
4、步骤2、使用vmd方法进行分解得到imf分量，并对得到的imf分量进行希尔...
【技术保护点】
1.基于VMD分解与多尺度卷积网络相结合的故障诊断方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的基于VMD分解与多尺度卷积网络相结合的故障诊断方法，其特征在于，所述步骤1具体如下：
3.根据权利要求2所述的基于VMD分解与多尺度卷积网络相结合的故障诊断方法，其特征在于，所述步骤2具体按照以下步骤实施：
4.根据权利要求3所述的基于VMD分解与多尺度卷积网络相结合的故障诊断方法，其特征在于，所述步骤3具体按照以下步骤实施：
5.根据权利要求4所述的基于VMD分解与多尺度卷积网络相结合的故障诊断方法，其特...
【技术特征摘要】
1.基于vmd分解与多尺度卷积网络相结合的故障诊断方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的基于vmd分解与多尺度卷积网络相结合的故障诊断方法，其特征在于，所述步骤1具体如下：
3.根据权利要求2所述的基于vmd分解与多尺度卷积网络相结合的故障诊断方法，其特征在于，所述步骤2具体按照以下步骤实施：
4.根据权利要...
【专利技术属性】
技术研发人员：金永泽，叶欣，刘涵，黑新宏，费蓉，赵钦，姬文江，马召熙，杨明松，
申请(专利权)人：西安理工大学，
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。