申请/专利权人：辽宁大学

申请日：2023-06-30

公开（公告）日：2024-04-09

公开（公告）号：CN117851857A

主分类号：G06F18/24

分类号：G06F18/24;G01M13/045;G06N3/0464;G06N3/049;G06F18/10;G06F18/213;G06F18/214;G06F18/25;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：一种注意力降噪的残差时间卷积故障诊断方法，步骤如下：1收集轴承震动信号；2数据增强；3根据不同信噪比生成对应的数据集；4设计并构建注意力降噪的残差时间卷积模型；5使用不同噪声的数据集数据集对4中设计的模型进行训练测试，验证此发明的有效性和抗噪性。本发明针对在实际工况中震动信号中存在噪声这一问题，设计一种自注意力机制以获取输入数据的注意力权重，通过注意力值为每个信号特征生成特定的阈值，再经软阈值化操作消除无关冗余信息，以达到降噪效果。设计批归一化方法加入到时间卷积网络中，进一步优化模型的特征提取能力。使用设计的方法在制作的数据集上进行实验，验证所设计方法的抗噪性和有效性。

主权项：1.一种注意力降噪的残差时间卷积故障诊断方法，其特征在于，其步骤为：1收集轴承震动信号：使用加速度传感器收集不同故障类型的轴承在转动过程中发出的信号，即对每一类故障收集其一段时间内的信号，若共有t类故障，则共收集t段信号；2数据增强：使用移动窗口的方法对增加样本数；3根据不同信噪比生成对应的数据集：根据不同信噪比生成对应的数据集：将2得到的数据划分为样本，得到原始数据集，再分别生成信噪比为-4、-2、0、2、4、无噪声的6个不同噪声情况下的数据集；4设计并构建注意力降噪的残差时间卷积模型：使用时间卷积网络提取信号特征，将自注意力机制获取到的注意力值与软阈值函数结合，使网络关注故障特征、忽略无关特征；5使用不同噪声的测试数据集对4中设计的模型进行训练测试，验证模型性能；6故障诊断：收集实际工业生产环境中产生的加速度信号，使用步骤4中得到的模型进行故障诊断，对故障信号类型分类。

全文数据：

权利要求：

百度查询： 辽宁大学 一种注意力降噪的残差时间卷积故障诊断方法

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