申请/专利权人:北京工业大学
申请日:2024-03-12
公开(公告)日:2024-06-21
公开(公告)号:CN118228764A
主分类号:G06N3/0442
分类号:G06N3/0442;G01M13/045;G06N3/0455;G06N3/0464;G06N3/048;G06N3/082;G06F18/213;G06F18/10
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明公开了一种基于注意力增强记忆残差收缩网络的滚动轴承早期故障监测方法,其设计了记忆单元来提取滚动轴承早期运行阶段信号中隐藏的时序依赖关系,增强了微弱特征的辨别能力;在残差块中设置了多尺度并行卷积核对深度特征进行多尺度表示,同时集成了通道注意力机制和空间注意力机制来选择深度特征中对目标任务重要的信息;设计了一种基于注意力引导的光滑软阈值函数,并作为模型的非线性激活层,保证了模型在特征提取过程中自适应消除轴承信号中与噪声相关信息的同时保留近零的微弱有效特征。该方法能够实现滚动轴承存在噪声干扰情况下的早期故障监测,优于现有技术。
主权项:1.一种基于注意力增强记忆残差收缩网络的滚动轴承早期故障监测方法,其特征在于,包括以下步骤:1获取滚动轴承历史运行数据,将数据样本划分为训练样本和测试样本;2构建注意力增强记忆残差收缩网络,根据长短期记忆网络构建记忆模块捕捉噪声干扰下信号中的时序依赖关系;在残差收缩单元中引入通道注意力和空间注意力增强模型的特征提取能力;3设计基于注意力引导的光滑软阈值函数并作为非线性变换层插入到模型中,保证特征提取过程中对于噪声信息的自适应剔除;4采用均方根误差作为损失函数进行模型训练,对于训练样本的输出偏差,采用预测误差平方统计量作为异常分数,利用核密度估计来确定监测阈值;5采用步骤2训练好的监测模型和根据步骤4确定的监测阈值来对测试样本进行早期故障监测,完成最终的早期故障监测任务。
全文数据:
权利要求:
百度查询: 北京工业大学 一种基于注意力增强记忆残差收缩网络的滚动轴承早期故障监测方法
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。