龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：大连交通大学
申请日：2024-04-09
公开（公告）日：2024-06-11
公开（公告）号：CN118171065A
主分类号：G06F18/20
分类号：G06F18/20;G06F18/213;G06F18/211;G06N3/045;G06N3/0464;G06N3/0442;G06N5/01;G01R31/34;G06F123/02
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.28#实质审查的生效;2024.06.11#公开
摘要：本发明公开了基于CNN‑BiLSTM‑残差模块‑注意力机制的电机转子故障诊断方法，属于故障诊断技术领域，包括以下步骤：S1、使用改进后的切尔诺贝利灾难算法ICDO优化VMD参数；S2、VMD分解电机转子故障初始数据后，根据相关系数准则和峭度筛选出具有故障特征信号成分的IMF分量，再进行信号重构；S3、求出重构信号的时域特征、频域特征，利用综合分析方法筛选数据特征；S4、将筛选出的数据特征输入CNN‑BiLSTM‑残差模块‑注意力机制网络进行故障诊断。本发明采用上述的基于CNN‑BiLSTM‑残差模块‑注意力机制的电机转子故障诊断方法，能准确的实现电机转子故障诊断，同时经过对加入噪声干扰时电机转子故障和轴承不同故障的诊断，表明提出的模型具有良好的抗噪声鲁棒性和泛化性。
主权项：1.基于CNN-BiLSTM-残差模块-注意力机制的电机转子故障诊断方法，其特征在于，包括以下步骤：S1、使用改进后的切尔诺贝利灾难算法ICDO优化VMD参数；S2、VMD分解电机转子故障初始数据后，根据相关系数准则和峭度筛选出具有故障特征信号成分的IMF分量，再进行信号重构；S3、求出重构信号的时域特征、频域特征，利用KPCA、RF、XGBOOST和排列重要性的综合分析方法筛选数据特征；S4、将筛选出的数据特征输入CNN-BiLSTM-残差模块-注意力机制网络进行故障诊断。
全文数据：
权利要求：
百度查询： 大连交通大学 基于CNN-BiLSTM-残差模块-注意力机制的电机转子故障诊断方法
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