申请/专利权人:哈尔滨工业大学
申请日:2024-03-29
公开(公告)日:2024-06-25
公开(公告)号:CN118245877A
主分类号:G06F18/241
分类号:G06F18/241;G01M13/045;G06N3/0464;G06N3/045;G06N3/084;G06N3/096;G06N3/098;G06N20/20
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了联合迁移和多尺度网络的旋转机械不均衡故障诊断方法,包括以下步骤:获取旋转机械的多尺度振动信号;将多尺度注意力机制引入卷积网络构建基分类器;构建基于基分类器联合迁移策略的集成学习模型;将所述多尺度振动信号输入训练好的基于基分类器联合迁移策略的集成学习模型,完成故障诊断。本发明通过改变样本权重,整合不同的学习器和相应的权重,解决了解决旋转机械故障诊断中的样本不均衡问题。
主权项:1.联合迁移和多尺度网络的旋转机械不均衡故障诊断方法,其特征在于,包括以下步骤:获取旋转机械的振动信号作为样本数据集;构建用于振动信号特征学习的多尺度卷积神经网络基分类器;基于样本数据集,并利用渐进式权重更新和基分类器迁移的联合迁移训练策略对集成学习模型进行训练;将待预测旋转机械的振动信号输入训练好的集成学习模型,完成故障诊断。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学 联合迁移和多尺度网络的旋转机械不均衡故障诊断方法
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。