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：中国电建集团贵州电力设计研究院有限公司
申请日：2024-04-25
公开（公告）日：2024-06-21
公开（公告）号：CN118228139A
主分类号：G06F18/2415
分类号：G06F18/2415;G06F18/213;G06N3/0464;G06F18/25;G01M13/045
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开基于双流神经网络风电机组轴承故障诊断模型构建方法，通过2D‑CNN技术，从训练样本中提取尺度关联时序特征和信号的空间特征。这些特征经过汇流层融合后得到综合特征，进而在softmax分类器层中进行学习，从而构建出轴承故障诊断模型。总体上，该方法提供了一种有效的轴承故障检测方式，通过综合利用尺度关联特征和空间特征，从而解决了现有技术模型的诊断精度低问题。
主权项：1.基于双流神经网络风电机组轴承故障诊断模型构建方法，其特征在于，所述方法包括以下步骤：步骤1：收集包含健康数据和故障数据的轴承振动信号数据样本，确保数据采样频率一致，每个周期数据长度为1×1024；步骤2：使用Morlet小波函数作为小波变换的基函数对原始振动信号做3层小波变换得到四个信号分量，将生成的信号数据重采样为1×512大小并重组为4×512大小的尺度关联矩阵；设置中心频率Fc为256，总尺度totalscal＝1024，应用小波变换得到大小为1024×1024的时频矩阵；步骤3：将步骤2获取的尺度关联矩阵和时频矩阵按照70％、30％的比例分割，70％的样本作为诊断模型的训练集，30％的样本作为诊断模型的测试集；步骤4：通过2D-CNN提取训练样本的尺度关联矩阵中的尺度关联时序特征，通过2D-CNN提取训练样本的时频矩阵中的信号的空间特征；步骤5：通过汇流层融合尺度关联时序特征和信号空间特征得到综合特征；步骤6：用综合特征在softmax分类器层中学习得到轴承故障诊断模型。
全文数据：
权利要求：
百度查询： 中国电建集团贵州电力设计研究院有限公司 基于双流神经网络风电机组轴承故障诊断模型构建方法
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