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
本发明公开了一种基于RegNet‑SES的快速诊断滚动轴承故障方法，其具体步骤包括：采集健康、不同故障类型和故障程度的滚动轴承一维振动加速度信号数据；使用连续小波变换将一维振动信号转换成特征信息明显的二维时频图，并制作成滚动轴承混合故障数据集；搭建RegNet‑SES网络模型并完成网络参数初始化，使用深度迁移学习迁移预训练模型的权重参数到RegNet‑SES网络上；将滚动轴承混合故障数据集用于RegNet‑SES网络进行训练，得到针对滚动轴承的混合故障诊断模型。本发明克服了现有模型对滚动轴承混合
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116754231 A
(43)申请公布日 2023.09.15
(21)申请号 202310499153.4
(22)申请日 2023.05.04
(71)申请人 安徽工业大学
地址 243002
文档评论（0）