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：合肥工业大学
申请日：2022-04-29
公开（公告）日：2024-06-14
公开（公告）号：CN114861718B
主分类号：G06V10/764
分类号：G06V10/764;G06V10/54;G06V10/44;G06V10/80;G06V10/774;G06F18/213;G06N3/0464;G06N3/045;G01M13/04;G06N3/048;G06F123/02
优先权：
专利状态码：有效-授权
法律状态：2024.06.14#授权;2022.08.23#实质审查的生效;2022.08.05#公开
摘要：本发明提供一种基于改进深度残差算法的轴承故障诊断方法及系统，涉及设备故障检测技术领域。本发明将获取的一维时序信号的轴承故障数据转化成二维图像数据并形成故障数据集；然后利用该故障数据集训练构建的包括改进的深度残差网络和改进的SK注意力机制所结合而成的Resnet‑SK轴承故障诊断模型，最终利用训练好的Resnet‑SK轴承故障诊断模型进行设备的轴承故障诊断。本发明的轴承故障诊断方法既能达到较高的设备轴承故障诊断精度，又能保证较低的时间成本。
主权项：1.一种基于改进深度残差算法的轴承故障诊断方法，其特征在于，所述方法包括：将获取的轴承故障一维时序信号转化成二维图像数据，基于所述二维图像数据形成故障数据集；基于所述故障数据集训练构建的Resnet-SK轴承故障诊断模型；所述Resnet-SK轴承故障诊断模型包括：在深度残差网络的BasicBlock结构的shortcut支路中加入改进的SK注意力机制，同时将BasicBlock结构的残差支路上的第二个常规卷积替换为扩张率为2的扩张卷积；所述改进的SK注意力机制包括：利用多尺度扩张卷积组替换SK注意力机制split阶段的两条支路卷积，且在SK注意力机制的fuse阶段全局平均池化的同时进行最大池化；利用训练后的所述Resnet-SK轴承故障诊断模型进行轴承故障诊断。
全文数据：
权利要求：
百度查询： 合肥工业大学 基于改进深度残差算法的轴承故障诊断方法及系统
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