申请/专利权人:浙江工业大学
申请日:2021-08-25
公开(公告)日:2024-03-05
公开(公告)号:CN113569990B
主分类号:G06F18/10
分类号:G06F18/10;G06F18/214;G06N3/0464;G06N3/045;G06N3/08;G06F18/213;G06F18/241;G06F18/25;G06F18/21
优先权:
专利状态码:有效-授权
法律状态:2024.03.05#授权;2021.11.16#实质审查的生效;2021.10.29#公开
摘要:面向强噪声干扰环境的演艺装备故障诊断模型构建方法,属于演艺装备内部组件的故障诊断技术领域。它包括以下步骤:1采集振动信号作为原始数据集,并对其进行分割,将分割后的数据分为训练集和测试集;2将训练集和测试集的振动信号进行标准化处理;3将训练集输入到DP‑MRTN网络中进行训练,得到一个用于演艺装备的特征提取模型和分类模型,4将测试集的振动信号输入到训练好的DP‑MRTN模型中进行故障诊断。本发明从通道域和空间域上学习和获取表示输入数据重要程度的系数,并将该系数作为软阈值函数的阈值进行重要特征筛选;采用双路径,用于捕获振动信号中的长距离依赖关系,并将两条路径提取的特征进行融合,能够显著提高诊断模型在强噪声环境下的故障诊断精度。
主权项:1.面向强噪声干扰环境的演艺装备故障诊断模型构建方法,其特征在于,包括以下步骤:1在演艺装备外壳表面安置无线智能传感器,采集径向X、前向Y、垂向Z三个方向的振动信号,设置每次进行分析的样本时长,并根据分析的样本时长对前向Y方向上的振动信号进行分割,将分割后的数据分为训练集和测试集;2将训练集的振动信号和测试集的振动信号采用min-max标准化的方法进行比例缩放,使之落入设定的区间,提升模型的收敛速度;3确定双路径混合域残差阈值网络DP-MRTN的整体结构和超参数,将训练集输入到双路径混合域残差阈值网络DP-MRTN中进行训练,得到一个用于演艺装备的特征提取模型和分类模型,训练集在双路径混合域残差阈值网络DP-MRTN中的具体处理过程如下:3.1首先,通过卷积层对输入的训练集振动信号中的短时特征进行提取,抑制高频噪声;3.2输入的训练集振动信号在被宽卷积核压缩后,首先流经批归一化层和ReLU激活函数,然后输入到双路径混合域残差阈值块DP-MRTB模型中,在双路径混合域残差阈值块DP-MRTB模型中,数据分为混合域残差阈值块路径及具有扩张卷积的混合域残差阈值块路径两个路径进行传输;3.3输入的训练集振动信号经由混合域残差阈值块路径及具有扩张卷积的混合域残差阈值块路径,分别获取对应路径的通道域注意力特征和空间域注意力特征;3.4将步骤3.3中经过两个路径提取的通道域注意力特征和空间域注意力特征分别作为阈值输入到软阈值函数中,对输入数据进行筛选,选取其中的有利于提高不同故障类型数据之间区分度的特征,削弱噪声信息的干扰;3.5将经过步骤3.4筛选后的提取特征进行融合,得到最终的双路径混合域残差阈值块DP-MRTB输出的特征;3.6随后根据ResNet网络的构建方式对双路径混合域残差阈值块DP-MRTB进行叠加,得到最终的输入数据故障特征,并将提取的特征输入到Softmax激活函数中获取故障诊断结果;4将测试集的振动信号输入到训练好的双路径混合域残差阈值网络DP-MRTN模型中进行故障诊断。
全文数据:
权利要求:
百度查询: 浙江工业大学 面向强噪声干扰环境的演艺装备故障诊断模型构建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。