基于组合卷积神经网络的故障类型及损坏程度诊断方法

摘要

本发明提供一种基于组合卷积神经网络的故障类型及损坏程度诊断方法，包括以下步骤：S1.数据采集与预处理；S2.构建一维卷积神经网络；S3.训练模型；S4.调整超参数和网络构架；S5.准备进行故障类型和损坏程度诊断的数据集；S6.分别训练各个模型；S7.将多个卷积网络组合成一个构架；S8.完成故障类型识别和损坏程度诊断。本发明选择一维卷积神经网络对原始振动信号的特征进行端到端的提取；同时使用全局最大池化层替换全连接层，减少训练参数，加快训练速度，防止过拟合。使用不同严重程度的一维原始数据分别训练不同的模型，不仅能实现故障类型的识别还能达到故障损坏程度分类的目的，取得比单一模型更好的效果。