申请/专利权人：华北电力大学(保定)

申请日：2023-03-07

公开（公告）日：2024-04-05

公开（公告）号：CN116222997B

主分类号：G01M13/00

分类号：G01M13/00;G01H17/00;G10L25/48;G10L25/30;G10L21/0216;G06F18/241;G06N3/08;G06F17/16;G06N3/0464;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.06.23#实质审查的生效;2023.06.06#公开

摘要：本发明公开了基于波束形成及时空网络的托辊故障声源距离估计方法，包括以下步骤：BCL模型构建及验证‑利用麦克风阵列采集不同距离的托辊故障声源数据，经波束形成定位处理构建数据样本集‑通过CNN层获得数据采样集的空间特性，再借助LSTM层在序列上的建模功能，将由空间数据所组成的序列信息注入LSTM网络，获得空间时序信息‑将空间时序信息注入Softmax分类器，通过对不同的故障距离特征进行分类，将分类结果作为BCL模型的输出。本发明采用上述基于波束形成及时空网络的托辊故障声源距离估计方法，减少了人工提取故障特征以及检测故障位置等步骤，能够在复杂环境下实现故障距离估计且保持较高准确率。

主权项：1.一种基于波束形成及时空网络的托辊故障声源距离估计方法，其特征在于：包括以下步骤：S1、BCL模型构建及验证；CNN层包括4层卷积层、2层池化层，且卷积层为一维卷积；S2、利用麦克风阵列采集不同距离的托辊故障声源数据，经波束形成定位处理构建数据样本集；S3、通过BCL模型的CNN层获得数据采样集的空间特性，再借助BCL模型的LSTM层在序列上的建模功能，将由空间数据所组成的序列信息注入LSTM网络，从而获得空间时序信息；S4、将LSTM网络所产生的空间时序信息注入Softmax分类器，通过对不同的故障距离特征进行分类，将分类结果作为BCL模型的输出，实现故障距离估计。

全文数据：

权利要求：

百度查询： 华北电力大学(保定) 基于波束形成及时空网络的托辊故障声源距离估计方法

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