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：北京信息科技大学
摘要：本发明公开了一种基于改进联合网络迁移学习融合的转子系统故障诊断方法，属于燃气轮机转子故障诊断技术领域，包括首先舍弃掉DenseNet网络的分类层，只需利用DenseNet网络的特征提取层，随后将改进的DenseNet网络的输出层连接到VIT模型的输入层构成联合网络，利用迁移学习将训练好的模型权重参数进行迁移。本发明采用上述一种基于改进联合网络迁移学习融合的转子系统故障诊断方法，具有较高的转子故障识别精度，并且模型的故障分类准确率也高于传统卷积神经网络，该模型具有优异性和可靠性。
主权项：1.一种基于改进联合网络迁移学习融合的转子系统故障诊断方法，其特征在于，包括以下步骤：S1、搭建改进的DenseNet-VIT总体模型；S2、对CWRU数据集进行归一化操作和特征降维处理；S3、利用CWT连续小波变换将一维振动数据转化为二维时频图像，经过改进的DenseNet网络进行特征提取；S4、经过特征提取后的结果作为VIT模型的输入；S5、使用按照7：3的比例划分为训练集和测试集的图像集进行VIT模型的训练和测试；S6、使用采集的不同转子实验数据集进行训练和测试；S7、重复步骤S2和S3，对采集的实验数据进行同样的处理；S8、将经过处理后的转子实验数据用于训练模型，验证改进的DenseNet-VIT模型的准确率；S9、绘制故障分类结果混淆矩阵图和准确率曲线，并展示最终结果。
全文数据：
权利要求：
百度查询： 北京信息科技大学 基于改进联合网络迁移学习融合的转子系统故障诊断方法
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