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!
申请/专利权人:合肥工业大学
摘要: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。
主权项: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。
全文数据:
权利要求:
百度查询: 合肥工业大学 基于WSDAE-WDCNN-SENet的轴承故障诊断方法
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。