← 返回列表
基于深度自编码器和局部线性嵌入的轴承健康指数评估方法
申请人信息
- 申请人:南京工业大学
- 申请人地址:211816 江苏省南京市江北新区浦珠南路30号
- 发明人: 南京工业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度自编码器和局部线性嵌入的轴承健康指数评估方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410105072.6 |
| 申请日 | 2024/1/25 |
| 公告号 | CN117633517A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G06F18/213 |
| 权利人 | 南京工业大学 |
| 发明人 | 史建涛; 李先锋; 刘安宁; 吴宇桁; 陈闯 |
| 地址 | 江苏省南京市鼓楼区新模范马路5号 |
摘要文本
本发明提供了一种基于深度自编码器和局部线性嵌入的轴承健康指数评估方法，包括：采集轴承的振动信号并提取二次特征；采用带有非线性激活函数和多层的深度自编码器对二次特征进行特征降维，并基于趋势因子进行评估；通过局部线性嵌入算法对降维特征进行局部线性拟合，获得反映轴承动态性能退化的显性健康指数。本发明的深度自编码器具有学习非线性变换的独特能力，在表示线性和非线性变换方面提供了更大的灵活性，同时本发明采用局部线性嵌入算法来处理轴承部件两阶段退化的非线性行为，能够确定充分反映轴承动态性能退化的明确健康指数。通过采用相关性、单调性和稳健性来评估本发明的拟合优度，仿真对比说明了本发明的方法具有更好的性能。
专利主权项内容
1.一种基于深度自编码器和局部线性嵌入的轴承健康指数评估方法，其特征在于，包括：步骤1：以一确定的频率采样轴承的振动信号形成原始信号数据，并对原始信号数据进行数据预处理和一次特征提取，获得初步信号数据；在时域、频域和时频域中分别对初步信号数据提取二次特征，并将所提取的二次特征作为深度自编码器的输入；步骤2：通过深度自编码器DAE对所述二次特征进行特征降维，获得降维特征；基于以相关性表示的趋势因子对降维特征进行评估，并选取具有最明显趋势的降维特征作为局部线性嵌入算法的输入；步骤3：通过局部线性嵌入算法LLE对所述具有最明显趋势的降维特征进行局部线性拟合，获得反映轴承动态性能退化的显性健康指数。