买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中汽研(天津)汽车工程研究院有限公司;中国汽车技术研究中心有限公司

摘要：本发明公开了基于恒Q变换和迁移学习的故障诊断方法，包括步骤：从监测传感器中采集监测数据，构建初始数据集；对初始数据集数据增强，形成增强数据集；将增强数据集中的数据进行恒Q变换，转换为在时频平面上的信号表示，得到多通道图像；将多通道图像输入到基于GoogleNet的迁移学习故障诊断模型中，得第一结果0；将第一结果0全局平均池化后，添加预定丢弃概率的丢弃，得到一维向量的输出结果作为一层全连接神经网络输入；全连接神经网络输出第二结果0’，第二结果0’中最大元素所在位置为故障诊断的最终预测值。本发明大大提高设备故障诊断效率，能在故障发生早期及时有效故障诊断及辨别故障类型，避免设备故障而带来损失。

主权项：1.基于恒Q变换和迁移学习的故障诊断方法，其特征在于，包括步骤：S1.从待诊断系统的监测传感器中采集声振监测数据并构建初始数据集；所述监测传感器为振动传感器及声压传感器，使用振动传感器和声压传感器对车辆的待诊断部件在不同工况下的声振信号进行采集；其中，振动传感器记录车辆待诊断部件的振动情况，声压传感器则记录车辆声音和环境声音的压力变化，从而确保对不同故障和正常状态下的声振信号进行全面采集；S2.对初始数据集进行数据增强，形成增强数据集；S3.将增强数据集中的数据进行恒Q变换，转换为声振信号在时频平面上的图像信号表示，得到多通道图像；其中，声振信号中的振动信号按频域处理，声音信号分时域和频域进行处理，对声振信号的三种信号分别进行恒Q变换处理，最后生成得到多通道图像；S4.将多通道图像输入到基于GoogleNet的迁移学习故障诊断模型中，以最后一个inception模块进行深度叠加组合之后的第一结果0作为输出；S5.将第一结果0进行全局平均池化，得到高和宽均为1的卷积层，然后添加预定丢弃概率的丢弃，得到一维向量的输出结果；S6.利用一层全连接神经网络对一维向量的输出结果处理，输出第二结果0’，输出层激活函数采用softmax，将第二结果0’归一化处理，以第二结果0’中最大元素所在位置作为故障诊断的最终预测值；步骤S3中，图像信号表示的表达式为I=[I0,I1,……Ii]，其中Ii表示对第i种类型的运行参数进行数据增强并进行恒Q变换之后得到的图像；所有数据增强之后的类型参数所得到的图像进行合并后得到所述图像信号表示；步骤S4中，所述第一结果0是一个7×7×1024的矩阵，其中7、7、1024分别为最后一个inception模块进行深度叠加组合之后输出的高度、宽度和深度；步骤S5中，所述一维向量的输出结果是一个1×1×1024的矩阵；步骤S6中，所述第二结果0’是长度为M的向量，M为故障诊断状态参数数量，M≥1。

全文数据：

权利要求：

百度查询： 中汽研(天津)汽车工程研究院有限公司 中国汽车技术研究中心有限公司 基于恒Q变换和迁移学习的故障诊断方法