本发明提供了一种基于深度学习和支持向量机的滚动轴承故障诊断方法,其利用深度信念网络理论中成熟的学习算法完成故障诊断所需的特征提取任务,可以不依赖人工选择由简单到复杂、由低级到高级自动地提取输入数据的本质特征,并能自动挖掘出隐藏在已知数据中的丰富信息;此外,由于采用了支持向量机分类方法对测试样本进行分类识别,因此可以采用之前设计好的有效方法去寻找和发现目标函数的全局最小值,从而解决深度信念网络可能陷入局部最优解的问题。本发明的滚动轴承故障诊断方法能够提高滚动轴承故障诊断的准确性和有效性,为解决滚动轴承故障诊断问题提供一种新的有效途径,可广泛应用于化工、冶金、电力、航空等领域的复杂系统中。
声明:
“基于深度学习和支持向量机的滚动轴承故障诊断方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)