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：哈尔滨理工大学
申请日：2024-03-27
公开（公告）日：2024-06-11
公开（公告）号：CN118171146A
主分类号：G06F18/24
分类号：G06F18/24;G06F18/10;G06F18/214;G06N3/0464;G06N3/084;G06F17/18
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：本发明公开了一种基于FSASCA‑VMD与GraphSAGE‑SA的转子‑轴承故障诊断方法，所述方法包括如下步骤：步骤一、通过FSASCA算法对VMD进行初始化设置，利用种群寻优方法逐步迭代找到全局最优解，确定关键参数的选取，以此使VMD完成分解。对于分解后存在的不需要的IMF分量，采用累计峭度占比的方法对IMF分量进行重构，完成信号降噪。步骤二、针对于图卷网络在处理图数据上不足，提出了GraphSAGE算法，随机采样k个邻居节点的信息，在不输出整张图的情况下，通过训练聚合函数，来学习节点的表示方法，对未知节点起到泛化作用。同时结合自注意力的聚合方式对输入序列进行线性变化，得到对应的输出矩阵，然后使用Softmax对其进行归一化来获得注意力权重。
主权项：1.一种基于FSASCA-VMD与GraphSAGE-SA的转子-轴承故障诊断方法，其特征在于：步骤一、基于FSASCA-VMD的信号分解与重构采用VMD的分解方法，通过确定各个模态分量的中心频率和有效带宽，解决原有分解过程产生的模态混叠以及端点效应；对于分解过程中所产生的模态分量K和惩罚因子α的确定，采用FSASCA的方法对VMD参数进行寻优；在对分解后的信号采用累计峭度值法筛选出相关性大的IMF分量，对信号进行重构以完成降噪；步骤二、基于GraphSAGE-SA的转子-轴承故障诊断针对于原始数据处理停留在欧式距离的数据结构上，且深度学习的方法缺乏可解释性，提出了GraphSAGE算法，随机采样k个邻居节点的信息，在不输出整张图的情况下，通过训练聚合函数，来学习节点的表示方法，进而对未知节点起到泛化作用；同时结合自注意力的聚合方式对输入序列进行线性变化，得到对应的输出矩阵，然后使用Softmax对其进行归一化来获得注意力权重。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 基于FSASCA-VMD与GraphSAGE-SA的转子-轴承故障诊断方法
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