申请/专利权人:天津科技大学
申请日:2024-01-09
公开(公告)日:2024-04-09
公开(公告)号:CN117848725A
主分类号:G01M13/045
分类号:G01M13/045
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:本发明涉及故障诊断技术领域,具体涉及一种基于阶次‑小波卷积神经网络的轴承故障诊断方法,包括:构建包含阶次‑小波变换层、联合卷积神经网络和阶次注意力学习层的轴承故障诊断模型;阶次‑小波变换层对轴承故障信号在阶次域上进行小波分解与重构,提取出每条信号在不同故障类型下的特征分布情况;联合卷积神经网络对输入信号依次进行一维卷积和二维卷积后,再进行进一步特征提取和故障预测;阶次注意力学习层采用注意力机制观察不同通道间的数据变化和相关性因素,指导联合卷积神经网络自适应地去注意关键特征信息,使得符合当前分类标签下对应故障类型特征的通道被增强。本发明具有更高的鲁棒性和更低的计算复杂度。
主权项:1.一种基于阶次-小波卷积神经网络的轴承故障诊断方法,其特征在于,包括以下步骤:构建轴承故障诊断模型;所述轴承故障诊断模型包括:阶次-小波变换层、联合卷积神经网络和阶次注意力学习层;所述阶次-小波变换层对轴承故障信号在阶次域上进行小波分解与重构,提取出每条信号在不同故障类型下的特征分布情况,作为所述联合卷积神经网络的输入信号;所述联合卷积神经网络对输入信号依次进行一维卷积和二维卷积,得到多通道二维阶次特征图,并对所述多通道二维阶次特征图进行进一步特征提取和故障预测;所述阶次注意力学习层采用注意力机制观察不同通道间的数据变化和相关性因素,指导所述联合卷积神经网络自适应地去注意关键特征信息,使得符合当前分类标签下对应故障类型特征的通道被增强。
全文数据:
权利要求:
百度查询: 天津科技大学 基于阶次-小波卷积神经网络的轴承故障诊断方法
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。