一种基于非局部均值嵌入的深度卷积神经网络模型的智能故障诊断方法

摘要

本发明公开了一种基于非局部均值嵌入的深度卷积神经网络模型的智能故障诊断方法，包括：利用振动测试仪和振动传感器采集被测部件在不同故障状态下的振动信号，并将故障振动信号根据部分重叠的策略分割为若干个样本点；构建基于非局部均值嵌入的卷积块模型，并搭建深度神经网络框架模型；从收集的故障振动信号中选择部分样本作为训练样本训练深度神经网络模型的参数，并获得逐层的学习特征；将学习到的所有特征输入到Softmax中进行分类辨识，根据逐层提取的特征和模型参数对未知故障振动信号进行智能辨识。第五步，将测试集输入构建的神经网络模型中，测试模型的诊断效果和诊断准确率。本发明的故障准确率可达到99.85％，误差为0.21％，而且稳定性好。