申请/专利权人：安徽智质工程技术有限公司

申请日：2023-12-15

公开（公告）日：2024-03-29

公开（公告）号：CN117786519A

主分类号：G06F18/2413

分类号：G06F18/2413;G06F18/213;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了基于KNN带权有向图的图注意力神经网络机械故障诊断方法，包括下列步骤：步骤1：采集轴承振动的时序数据形成数据集，再构建基于KNN的带权有向图，构建带权有向图的方法包括数据切分、随机分组、建立带权有向图和FFT变换；步骤2：将带权有向图输入训练后的网络模型结构进行故障检测，本方法的网络模型结构属于图注意力网络GAT，包括两个GATconv层、两个TopKPooling层、两个全局平均池化层和一个全连接神经网络。本发明能够更准确的捕捉到数据内部的关联性，能够捕捉到更多的信息，大大提高检测结果的准确性和可靠性。

主权项：1.基于KNN带权有向图的图注意力神经网络机械故障诊断方法，其特征在于：包括下列步骤：步骤1：采集轴承振动的时序数据形成数据集，再构建基于KNN的带权有向图，构建带权有向图的方法包括数据切分、随机分组、建立带权有向图和FFT变换；步骤2：将带权有向图输入训练后的网络模型结构进行故障检测，本方法的网络模型结构属于图注意力网络GAT，包括两个GATconv层、两个TopKPooling层、两个全局平均池化层和一个全连接神经网络。

全文数据：

权利要求：

百度查询： 安徽智质工程技术有限公司 基于KNN带权有向图的图注意力神经网络机械故障诊断方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD