用并联型深度神经网络分层特征提取的机械故障诊断方法

摘要

本发明公开了一种基于并联型深度神经网络分层特征提取的机械故障诊断方法，包括：以旋转机械故障数据集作为样本集合，得到深度神经网络模型的初始参数；将样本集合中的所有样本输入深度神经网络模型，得到输出结果；将输出结果与样本标签进行对比，计算总分类误差；利用分类误差，通过误差反向传播算法计算每一层的误差，对网络的参数进行更新；以网络参数更新后的深度神经网络模型再次计算每个样本的输出结果；进行迭代，直到分类误差达到预设值或迭代次数达到上限，输出网络参数与分类结果。本发明直接以采集到的机械信号作为输入，避免了大量预处理操作，并且通过并联型深度神经网络分层特征提取，提高了的分类精度与计算效率。