龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：山东大学日照研究院
摘要：本发明公开了一种基于CNN‑BiLSTM‑Attention的多变量时序故障诊断方法，包括：获取工业生产中多设备实时运行的监测数据，并对数据进行预处理；将预处理后的数据输入至训练好的多变量时序故障诊断模型，得到故障诊断结果；其中，预处理后的数据输入至CNN层，得到纵向特征表示作为BiLSTM层的输入，以实现对全局时间特征进行横向特征提取；BiLSTM层输出作为Attention层的输入，得到输入序列中不同位置的信息；Attention层的输出作为全连接层的输入，最终得到设备故障诊断结果。本发明结合了CNN的静态特征提取能力、BiLSTM的动态特征识别能力以及注意力机制对特征向量细微差异的关注能力，对于复杂生产环境中的设备状态监测具有优异效果。
主权项：1.基于CNN-BiLSTM-Attention的多变量时序故障诊断方法，其特征在于，包括：获取工业生产中多设备实时运行的监测数据，并对数据进行预处理；将预处理后的数据输入至训练好的多变量时序故障诊断模型，得到故障诊断结果；其中，所述多变量时序故障诊断模型对数据的处理过程为：预处理后的数据输入至CNN层，所述CNN层包括两个分支，在两分支中分别对输入数据进行不同参数的卷积和池化操作，然后将两个分支的输出进行连接得到纵向特征表示；所述纵向特征表示作为BiLSTM层的输入，以实现对全局时间特征进行横向特征提取；BiLSTM层输出作为Attention层的输入，得到输入序列中不同位置的信息；Attention层的输出作为全连接层的输入，最终得到设备故障诊断结果。
全文数据：
权利要求：
百度查询： 山东大学日照研究院 基于CNN-BiLSTM-Attention的多变量时序故障诊断方法及系统
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