买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利基于WSDAE-WDCNN-SENet的轴承故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117804774B 。

龙图腾网通过国家知识产权局官网在2026-01-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410004997.1，技术领域涉及：G01M13/045；该发明授权基于WSDAE-WDCNN-SENet的轴承故障诊断方法是由钱晓飞;张淇智;郑锐;刘心报;程浩;周谧设计研发完成，并于2024-01-03向国家知识产权局提交的专利申请。

本基于WSDAE-WDCNN-SENet的轴承故障诊断方法在说明书摘要公布了：本发明公开了基于WSDAE‑WDCNN‑SENet的轴承故障诊断方法，涉及轴承故障诊断技术领域，所述诊断方法包括：S1：对轴承的关键振动信号进行滑动窗口采样，并划分为训练集、验证集和测试集；S2：利用WDCNN模型和WSDAE模型分别学习振动信号的特征，并使用SENet进行特征信息融合；S3：将融合后得到的特征信息输入到Softmax中进行分类诊断，生成故障诊断结果报告。本发明基于WSDAE‑WDCNN‑SENet的轴承故障诊断方法，设计提出了一种权重跃迁模块WSC，加入原始信号路径，并利用稀疏网络结构、结合BN归一化与Dropout层集成到该模块中，使该路径捕捉特征权重信息，将原始信号重要特征权重进一步提高放大，便于其他深度学习网络进行特征学习。

本发明授权基于WSDAE-WDCNN-SENet的轴承故障诊断方法在权利要求书中公布了：1.基于WSDAE-WDCNN-SENet的轴承故障诊断方法，其特征在于，所述诊断方法包括： S1：对轴承的关键振动信号进行滑动窗口采样，并划分为训练集、验证集和测试集； S2：利用WDCNN模型和WSDAE模型分别学习振动信号的特征，并使用SENet进行特征信息融合； S3：将融合后得到的特征信息输入到Softmax中进行分类诊断，生成故障诊断结果报告； 所述WSDAE模型是将WSC集成到SDAE网络结构层，由编码器、WSC模块、隐藏层和解码器构成； 所述WSC是由两条路径组成，一条为权重学习路径，另一条为原始特征路径，输入数据分别进入原始特征路径、其他神经网络路径、权重学习路径，所述原始特征路径中的数据x直接从输入端连接到输出端，所述其他神经网络路径中的数据x经过神经网络生成特征向量Fnx，所述权重学习路径中的数据x依次流经稀疏全连接SFC层、批量归一化BN层、Relu激活函数、全连接FC层、BN层和Sigmoid激活函数，所述权重学习路径的最终目的是生成各元素介于0和1之间的权重矩阵： Wx＝Sb2+Rb1+wsx, 其中，S·和R·分别代表激活函数Sigmoid和Relu，b1和b2分别代表网络偏置项，ws代表稀疏矩阵，控制网络稀疏性，x代表输入值； 所述WSC的权重学习路径与编码器的输入端和隐藏层相连接，生成隐藏层的特征矩阵，并在隐藏层输出端连接一个WSC模块，进一步学习信号特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230002 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。