公开(公告)号：CN110276303A

公开(公告)日：2019-09-24

申请号：CN201910553507.2

申请日：2019-06-25

申请人： 湖南科技大学

发明人： 杨大炼 ,  张帆宇 ,  苗晶晶 ,  李学军 ,  蒋玲莉 ,  郭帅平 ,  张宏献 ,  廖子豪

IPC分类号： G06K9/00 ,  G06K9/62

摘要： 本发明公开了一种基于VMD和DBN的转子不对中定量识别方法，包括以下步骤：对采集的加速度振动信号进行变分模态分解，得到模态分量，进一步处理得到数据样本；将训练组数据输入到深度置信网络，从低层到高层逐层贪婪训练；根据标签和Soft-max分类器的分类规则，从最高层到最低层逐步反向微调参数，完成深度置信网络模型的训练；计算不对中定量识别的正确识别率。本发明采集了三种不对中量下的振动加速度信号，用变分模态分解将振动信号分解，然后对模态函数进行分析，根据互信息理论确定VMD的分解层数，重构模态信号作为输入样本训练DBN分类模型，大大简化了故障识别的过程，且识别准确度更高。