专利内容由知识产权出版社提供
专利名称：基于迁移卷积神经网络的故障预测方法专利类型：发明专利
发明人：文龙,李新宇,高亮,张钊申请号：CN2018100878.X申请日：20180130公开号：CN108334936A公开日：20180727
摘要：本发明属于神经网络故障预测领域，并公开了基于迁移卷积神经网络的故障预测方法。该方法包括下列步骤：(a)将故障类型进行编号，采集待预测对象的时域信号并获取初始故障类型编号，将时域信号转化为RGB图像；(b)将深度残差网络模型的FC层初始化并添加分类器，获得改进的网络模型；(c)将RGB图像输入网络模型训练FC层和分类器，不断更新FC层的权重值，当获得的故障类型编号与初始故障类型编号相近时对应的权重值为所需的新的权重值，并完成网络模型的迁移；(d)将待预测对象的RGB图像输入迁移卷积神经网络模型中，输出预测故障类型编号。通过本发明，所采用的迁移卷积神经网络模型结构简单、预测速度快，预测结果准确。
申请人：华中科技大学
地址：430074 湖北省武汉市洪山区珞喻路1037号
国籍：CN
代理机构：华中科技大学专利中心
更多信息请下载全文后查看
