科创中国

高端装备制造产业,科学研究和技术服务业

本发明属于故障诊断领域，并公开了基于卷积神经网络和高斯混合模型的轴承故障诊断方法。该方法包括：(a)对于旋转机械轴承，采集不同故障工况下的振动信号形成数据集,构建初始卷积神经网络模型；(b)训练每个故障类型对应的初始卷积神经网络模型；(c)采用最终卷积神经网络模型对振动信号输入进行特征提取，以此获得所有故障类型对应的一维特征数据，并形成一维特征数据集；(d)采用高斯混合模型、贝叶斯网络框架和EM算法获得用于诊断故障类型的最终的图模型；(e)对于待诊断振动信号，利用最终的图模型诊断待诊断振动信号对应的故障类型，以此实现故障的诊断。通过本发明，实现图模型实现故障诊断，提高了故障诊断的准确性。

1、本发明中通过利用多类故障振动信号，并对每类振动信号添加标签以此将故障类型数划分为两类标签，两类标签数据集减小了模型分类难度，保证了较好的模型训练表现，使得最终的卷积神经网络模型对各自对应的故障振动信号具有较好的特征提取能力； 2、本发明获得多个最终卷积神经网络模型后，分别利用每种故障类型对应的卷积神经网络模型中卷积层和池化层作为特征提取器提取对应故障振动信号的特征映射图谱，通过对应的特征提取器的自动特征提取，保证提取到的特征映射图谱包含大量与该故障类型相关的信息，特征提取效果好；

吴军，教授，博士生导师，国家杰出青年基金获得者，2002年入选教育部跨世纪优秀人才计划，2007年入选新世纪百千万工程国家级入选。研究方向为度量数论与分形几何。