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：北京工业大学
摘要：本发明公开了一种基于通道卷积注意力机制和双尺度网络结构的轴承故障诊断方法及系统，包括：以一定频率采集轴承运行过程中的振动信号，将一维信号转换为二维灰度图，在此基础上对故障类型进行编号、打标签并划分相应的训练集和测试集；设计构建双尺度卷积神经网络DKCNN模型；设计构建通道卷积注意力网络模块CCAM；构建通道卷积注意力模块双尺度卷积神经网络CCAM‑DKCNN模型；利用划分好的训练集训练CCAM‑DKCNN模型；利用训练好的网络模型进行故障诊断，将测试集输入到CCAM‑DKCNN模型中，模型分类器的输出可以反映模型最终的诊断结果。本发明能够对变负载和变转速状态下的轴承故障进行诊断和识别，提高轴承故障诊断结果的准确性。
主权项：1.一种变负载和变转速轴承故障的智能诊断方法，其特征在于：所述诊断方法包括如下步骤：步骤1：以一定频率采集轴承运行过程中的振动信号，建立多种类型轴承故障的数据集，通过数据转换将一维信号转换为二维灰度图，在此基础上对故障类型进行编号并打标签，设置各故障类型与标签的对应关系，之后对故障类型和标签划分相应的训练集和测试集；步骤2：设计构建双尺度卷积神经网络DKCNN模型；步骤3：设计构建通道卷积注意力网络模块CCAM；步骤4：构建通道卷积注意力模块双尺度卷积神经网络CCAM-DKCNN模型；步骤5：利用步骤1划分好的训练集训练CCAM-DKCNN模型，根据训练集训练的准确率的结果和损失函数情况对CCAM-DKCNN模型的参数进行调整，当模型训练迭代次数达到预设的次数时，则CCAM-DKCNN模型训练完成；步骤6：利用训练好的神经网络模型进行轴承故障诊断，将步骤1中的测试集输入到CCAM-DKCNN模型中，CCAM-DKCNN模型大的分类器的输出反映模型最终的诊断结果。
全文数据：
权利要求：
百度查询： 北京工业大学 一种变负载和变转速轴承故障的智能诊断方法及系统
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