一种融合振动与电流信号协同学习的齿轮箱故障诊断方法[CN202010534929.8] - 燕山大学

专利申请

2020-06-12
公布公告

2021-06-22
授权日期

2021-06-22
终止

2031-06-20

一种融合振动与电流信号协同学习的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： CN202010534929.8 申请日期： 2020-06-12 专利主类别： G01M13/021 {{ classMap["G01M13/021"] }}

申请人名称：燕山大学

查看申请人名下所有专利

申请人地址：河北省秦皇岛市海港区河北大街438号

专利分类项目

G01M13/021 :

G01M13/028 :

专利注册信息

初审公告期号	2020-06-12	初审公告日期	2021-06-22
注册公告期号	2021-06-22	注册公告日期	2021-06-22
专用权期限	2021-06-22 - 2031-06-20	专利类型	发明授权
代理组织机构	石家庄众志华清知识产权事务所查看该机构代理的所有专利

专利介绍

本发明涉及一种融合振动与电流信号协同学习的齿轮箱故障诊断方法，其内容是：利用传感器与数据采集设备从风电齿轮箱采集振动与电流信号，分别对其进行局部化处理；将经过局部处理得到的振动与电流局部信号样本输入协同特征学习网络组进行协同特征提取与特征重构，得到电流与振动信号的协同特征映射；将学习的电流局部协同特征作为支持向量机分类器的输入，并利用电流数据的故障标签信息通过监督学习的方式训练得到故障诊断分类器。本发明能够协同学习振动信号和电流信号的局部一致性和互补性故障特征，提高了风电齿轮箱故障诊断的准确性和可靠性。

法律进度