本发明公开了一种深度自编码网络的旋转机械健康评估方法,包括步骤1,振动信号采集;步骤2,原始特征提取;步骤3,采用深度自编码网络DAE进行特征降维;步骤4,特征选择;步骤5,采用无监督SOM算法进行健康指标构建;步骤6,采用基于遗传算法的融合评价准则进行健康指标评价。本发明结合深度学习强大特征提取能力的优势,将深度自编码和最小量化误差方法相结合。另外,针对基于一个度量的评价准则常常具有偏差的问题,提供了基于遗传算法的融合评价准则。本发明能准确评估旋转机械健康状态,可广泛应用于化工、冶金、电力、航空等领域旋转机械健康评估,能准确描述这些零部件性能退化的动态过程,还能进行剩余寿命预测。
声明:
“深度自编码网络的旋转机械健康评估方法” 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)