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：沈阳工业大学
申请日：2024-03-26
公开（公告）日：2024-06-21
公开（公告）号：CN118225436A
主分类号：G01M13/045
分类号：G01M13/045;G06F18/24;G06N3/0475;G06N3/084;G06N3/09;G06N3/094
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明涉及故障诊断，尤其涉及一种基于加权原型模块的域对抗网络小样本轴承故障诊断方法。其能够解决在实际工业场景中带标签故障数据稀缺的情况下，对故障类型分类不精确的问题。包括：S1、对安装在辊压机轴承上的传感器采集到的输入振动信号进行15％的重复采样；S2、设计加权类原型模块；S3、构建包含加权类原型模块的域对抗网络对振动信号中的故障类别进行分类，旨在提高振动信号分析中的故障识别精度；S4、使用训练集对域对抗网络进行训练，并用验证集对其进行验证，最后使用测试集作为输入，输出最终的故障诊断结果；S5、使用经过训练的域对抗网络对轴承进行故障诊断，并根据分类结果确定轴承的状态是否正常。
主权项：1.基于加权原型模块的域对抗网络小样本轴承故障诊断方法，其特征在于：包括：S1、对安装在辊压机轴承上的传感器采集到的输入振动信号进行15％的重复采样；S2、设计加权类原型模块；S3、构建包含加权类原型模块的域对抗网络对振动信号中的故障类别进行分类，旨在提高振动信号分析中的故障识别精度；S4、使用训练集对域对抗网络进行训练，并用验证集对其进行验证，最后使用测试集作为输入，输出最终的故障诊断结果；S5、使用经过训练的域对抗网络对轴承进行故障诊断，并根据分类结果确定轴承的状态是否正常。
全文数据：
权利要求：
百度查询： 沈阳工业大学 基于加权原型模块的域对抗网络小样本轴承故障诊断方法
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