原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开一种基于关系网络标记样本扩充的半监督辨识方法，步骤为：1)获取有标签信号集和无标签信号集；2)对有标签信号集和无标签信号集进行预处理；3)对有标签信号集进行样本扩充；4)利用扩充后的有标签信号集建立深度神经网络故障分类模型；5)实时监测齿轮箱的振动信号，并对振动信号进行预处理；6)将预处理后的振动信号输入到深度神经网络故障分类模型中，得到齿轮箱的运行状态，从而完成齿轮箱的故障诊断。本发明能充分利用少量样本的标签信息，精确实现样本之间的相似性衡量，降低了对标签信号样本数量上的依赖。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112257862 A
(43)申请公布日 2021.01.22
(21)申请号 202011064873.0
(22)申请日 2020.09.30
(71)申请人 重庆大学
地址 40
文档评论（0）