公开(公告)号：CN111595584B

公开(公告)日：2022-04-22

申请号：CN202010529579.6

申请日：2020-06-11

Applicant: 河海大学常州校区

Inventor： 刘立 ,  朱健成 ,  韩光洁

IPC: G01M13/045

Abstract: 本发明公开了一种基于1‑DCNN联合特征提取的轴承故障在线检测方法，步骤如下：将振动信号进行离散化处理得到特征参数，通过归一化以及稀疏处理，使得每个特征对应健康状态和每个故障的贡献能力相对一致，让每个特征进入1‑DCNN进行学习以及分类，得到每个特征对于健康状态以及每个故障的敏感度，之后根据设定的阈值来选择对应于健康状态和每个故障敏感的特征组，随后将选择的特征与原始信号通过映射函数进行重构，并且定义特征间的相关性度量，最终来达到故障诊断的能力。本发明根据轴承的故障已知且种类少的固有特点，由每个故障和健康状态来选择特征，与现有技术相比在特征选择方面更具合理性，且模型具有更高的鲁棒性，联合特征处理能进一步提高准确。

公开(公告)号：CN111595584A

公开(公告)日：2020-08-28

申请号：CN202010529579.6

申请日：2020-06-11

Applicant: 河海大学常州校区

Inventor： 刘立 ,  朱健成 ,  韩光洁

IPC: G01M13/045

Abstract: 本发明公开了一种基于1-DCNN联合特征提取的轴承故障在线检测方法，步骤如下：将振动信号进行离散化处理得到特征参数，通过归一化以及稀疏处理，使得每个特征对应健康状态和每个故障的贡献能力相对一致，让每个特征进入1-DCNN进行学习以及分类，得到每个特征对于健康状态以及每个故障的敏感度，之后根据设定的阈值来选择对应于健康状态和每个故障敏感的特征组，随后将选择的特征与原始信号通过映射函数进行重构，并且定义特征间的相关性度量，最终来达到故障诊断的能力。本发明根据轴承的故障已知且种类少的固有特点，由每个故障和健康状态来选择特征，与现有技术相比在特征选择方面更具合理性，且模型具有更高的鲁棒性，联合特征处理能进一步提高准确。