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：西北工业大学
申请日：2024-04-16
公开（公告）日：2024-05-17
公开（公告）号：CN118051781A
主分类号：G06F18/214
分类号：G06F18/214;G06F17/14;G06F18/213;G06F18/24;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：本发明涉及故障诊断技术领域，具体涉及一种基于行星式旋转机械的故障诊断方法、系统及设备，包括：构建数据集，获取样本数据对应的三维矩阵，构建轻量化神经网络模型并训练；获取行星式旋转机械的故障类型。本发明结合了行星式旋转机械的结构特点，从神经网络模型方面考虑轻量化，从而以更低的存储和计算成本实现更好的故障诊断性能，有利于在体积和资源受限的数据分析系统上部署故障诊断模型并促进智能机械装备与故障诊断系统的集成。
主权项：1.一种基于行星式旋转机械的故障诊断方法，其特征在于，包括：将行星式旋转机械的滚动体公转一周时采集的振动信号数据点作为一个样本数据，获取每个样本数据对应的行星式旋转机械的故障类型，将每个样本数据以及其对应的行星式旋转机械的故障类型作为数据集；基于行星式旋转机械中滚动体的数量，以及滚动体公转至相邻滚动体的位置时相邻两个滚动体的振动信号数据点的数量，获取每个样本数据对应的通道数为1的三维矩阵；对振动信号对应的三维矩阵中的每行数据进行快速傅里叶变换，并对变换结果取绝对值得到每个样本数据对应的目标三维矩阵；构建轻量化神经网络模型，将每个样本数据对应的目标三维矩阵作为输入，样本数据对应的行星式旋转机械的故障类型作为输出，对神经网络模型进行训练；构建轻量化神经网络模型的步骤为：构建通道共享-空间单向卷积层；通道共享-空间单向卷积层运算时，在通道层面：输入的目标三维矩阵的所有通道共用一组卷积核；在空间层面：输入的目标三维矩阵的每行共用一个卷积核，且每列的卷积核不同；将ResNet18为主干网络的卷积层替换为通道共享-空间单向卷积层，并增加多个输出通道数不同，且卷积核尺寸为1的卷积层，得到目标主干网络；根据目标主干网络得到轻量化神经网络模型；将当前样本数据对应的目标三维矩阵，输入训练好的轻量化神经网络模型，得到当前样本数据对应的行星式旋转机械的故障类型。
全文数据：
权利要求：
百度查询： 西北工业大学 一种基于行星式旋转机械的故障诊断方法、系统及设备
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