一种基于小波包分解和卷积神经网络的风电机组齿轮箱故障诊断方法[CN202010216372.3] - 浙江工业大学

专利申请

2020-03-25
公布公告

2021-11-23
授权日期

2021-11-23
终止

2031-11-21

一种基于小波包分解和卷积神经网络的风电机组齿轮箱故障诊断方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN202010216372.3 申请日期： 2020-03-25 专利主类别： G01M13/021 {{ classMap["G01M13/021"] }}

申请人名称：浙江工业大学

查看申请人名下所有专利

申请人地址：浙江省杭州市下城区朝晖六区潮王路18号

专利分类项目

G01M13/021 :

G01M13/028 :

G06N3/04 : 体系结构，例如，互连拓扑

G06N3/08 : 学习方法

专利注册信息

初审公告期号	2020-03-25	初审公告日期	2021-11-23
注册公告期号	2021-11-23	注册公告日期	2021-11-23
专用权期限	2021-11-23 - 2031-11-21	专利类型	发明授权
代理组织机构	杭州斯可睿专利事务所有限公司查看该机构代理的所有专利

专利介绍

一种基于小波包分解(WPD)和卷积神经网络(CNN)的风力发电齿轮箱端到端故障诊断方法，包括数据预处理、多尺度振动分解、多尺度特征提取和分类，利用WPD对振动信号进行自适应分解，然后将信号分量输入到层次结构中，利用层级结构的卷积神经网络(CNN)自适应地提取多尺度特征，有效地对故障进行分类。本发明添加的WPD层能合理地处理非线性和非平稳振动数据获取组件在多个尺度自适应特点，允许CNN提取多尺度特性；WPD层直接向分层CNN发送多尺度分量，有效提取丰富的故障信息，避免了手工特征提取导致有用信息的丢失；框架通用性好。

法律进度