龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：三峡大学
申请日：2024-02-23
公开（公告）日：2024-05-07
公开（公告）号：CN117992852A
主分类号：G06F18/241
分类号：G06F18/241;G06F18/2135;G06N3/0464;G06N3/0475;G06N3/094;G06F18/25;G06N3/045
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.24#实质审查的生效;2024.05.07#公开
摘要：基于主成分分析和改进WassersteinGAN的旋转机械故障诊断方法，包括：利用PCA算法对采集的多传感器数据降至三维，获得三通道时域特征；将三个通道中的每个通道指定长度的特征转换为矩阵，并融合三个通道的矩阵，获得具有多传感器信息的RGB图像；将RGB图片划分为不同样本数量的训练集数据，以及测试集数据；将训练集数据输入到改进WassersteinGAN网络模型，直至达到纳什平衡，并生成足量的样本扩充原始数据集，得到新的数据集；将得到新的数据集输入到搭建的残差CNN分类器进行训练；将测试集数据输入到训练好的残差CNN分类器中进行测试。本发明在WassersteinGAN的生成器和判别器中分别引入L1损失函数和梯度惩罚项，以提高图片的生成质量和模型训练的稳定性，从而进一步提高生成图片质量。
主权项：1.基于主成分分析和改进WassersteinGAN的旋转机械故障诊断方法，其特征在于包括以下步骤：步骤1：利用PCA算法对采集的多传感器数据降至三维，获得三通道时域特征；步骤2：将三个通道中的每个通道指定长度的特征转换为矩阵，并融合三个通道的矩阵，获得具有多传感器信息的RGB图像；步骤3：将RGB图片划分为不同样本数量的训练集数据，以及测试集数据；步骤4：将训练集数据输入到改进WassersteinGAN网络模型，直至达到纳什平衡，并生成足量的样本扩充原始数据集，得到新的数据集；步骤5：将步骤4得到新的数据集输入到搭建的残差CNN分类器进行训练；步骤6：将测试集数据输入到训练好的残差CNN分类器中进行测试。
全文数据：
权利要求：
百度查询： 三峡大学 基于主成分分析和改进Wasserstein GAN的旋转机械故障诊断方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号