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：辽宁大学
申请日：2024-03-07
公开（公告）日：2024-05-17
公开（公告）号：CN118051823A
主分类号：G06F18/241
分类号：G06F18/241;G01M13/045;G06F18/10;G06F18/213;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.04#实质审查的生效;2024.05.17#公开
摘要：一种结合多尺度卷积的轻量化ViT故障诊断方法，步骤为：1收集正常与故障轴承震动加速度信号；2数据处理与增强；3根据模拟工业真实情况，生成不同信噪比数据集；4设计并搭建结合多尺度卷积的轻量化ViT故障诊断模型；5使用不同噪声的数据集对4中设计的模型进行训练测试；6使用模型对实际工业数据进行诊断。本发明针对在生产中存在噪声且终端机算力有限这一情况，设计结合多尺度卷积的轻量化ViT故障诊断模型。首先，通过设计的多尺度残差可分离卷积网络进行局部特征提取。之后，通过轻量化ViT网络获取全局特征依赖关系。最后，通过分类器进行分类。使用设计的方法在数据集上进行实验，验证了所设计方法的准确性和高效性。
主权项：1.一种结合多尺度卷积的轻量化ViT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-2、0、2、4、6、无噪声的6个不同噪声情况下的数据集；4设计并构建结合多尺度卷积的轻量化ViT故障诊断模型：使用多尺度深度可分离卷积网络提取信号特征，将原始信号样本转化为嵌入向量，使原始信号能够进行后续处理；然后，使用轻量化ViT网络获取各个嵌入向量之间的自注意力值，从而在全局感受野下提取特征向量；最终，将轻量化ViT网络输出特征输入到分类器中计算故障类别；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 一种结合多尺度卷积的轻量化ViT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