为提高故障特征提取的通用性,降低故障诊断特征提取的人工成本,本文提出了一种将采样数据直接输入到训练好的卷积神经网络自动提取故障特征的方法.选用四运放高通滤波电路作为实验电路,使用仿真电压响应信号作为输入,经过多次卷积、池化得到诊断特征,然后使用SVM分类器进行故障诊断.仿真结果表明故障诊断准确率可以达到98.333 3%,因此利用深度学习可以自动提取故障数据中的特征,从而减少故障特征提取阶段的人工成本.
科研之友
微信
新浪微博
Facebook
分享链接
