本發明公開了一種深度自編碼網絡的旋轉機械健康評估方法,包括步驟1,振動信號采集;步驟2,原始特征提??;步驟3,采用深度自編碼網絡DAE進行特征降維;步驟4,特征選擇;步驟5,采用無監督SOM算法進行健康指標構建;步驟6,采用基于遺傳算法的融合評價準則進行健康指標評價。本發明結合深度學習強大特征提取能力的優勢,將深度自編碼和最小量化誤差方法相結合。另外,針對基于一個度量的評價準則常常具有偏差的問題,提供了基于遺傳算法的融合評價準則。本發明能準確評估旋轉機械健康狀態,可廣泛應用于化工、冶金、電力、航空等領域旋轉機械健康評估,能準確描述這些零部件性能退化的動態過程,還能進行剩余壽命預測。
聲明:
“深度自編碼網絡的旋轉機械健康評估方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)