首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于FFT-VMD的多尺度特征交叉注意力融合的轴承故障诊断 

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:哈尔滨理工大学

摘要:本发明公开一种基于快速傅里叶变换FFT和变分模态分解VMD的多尺度特征交叉注意力融合的轴承故障诊断模型FV‑MFCAM该方法具体为:首先,对原始振动信号分别进行快速傅里叶变换和变分模态分解,提取信号在不同频率范围上的特征,捕捉信号的时频特性,以及减少噪声的影响。然后把快速傅里叶变换后和变分模态分解后的数据分别输进卷积神经网络VGG‑19和BILSTM网络中进行空间和时域特征的提取并送入交叉注意力模块进行特征的融合。最后,利用全连接层和softmax函数实现待测试轴承的故障诊断。通过在华中科技大学轴承数据集上进行测试,结果表明所提出模型在有无噪声干扰的情况下,都具有很好的诊断效果,优于其他主流的对比方法,验证了所提出模型的可靠性和可行性。本发明适用于轴承故障的诊断。

主权项:1.一种基于基于FFT-VMD的多尺度特征交叉注意力融合FV-MFCAM的轴承故障诊断方法,其特征在于,诊断方法的过程包括:步骤1:获取轴承的振动信号;步骤2:将所述振动信号输入到预先训练好的故障诊断模型,得到诊断结果;所述故障诊断模型是采用多组训练数据训练得到的,每组训练数据均包括轴承振动信号数据及对应的标签,所述标签用于指示故障类型;步骤3:基于所述诊断结果,根据所属标签判断滚动轴承是否存在故障以及存在的故障类型。

全文数据:

权利要求:

百度查询: 哈尔滨理工大学 基于FFT-VMD的多尺度特征交叉注意力融合的轴承故障诊断

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。