龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：湖南工业大学
摘要：本发明公开了一种基于多约束条件下模态不变性图卷积融合网络的故障诊断方法及模型，本发明所述模型包括多约束模态不变性表示和图卷积融合推断两个部分，多约束模态不变性表示部分通过卷积自编码器和挤压激励模块对电流、振动模态数据进行独立特征提取，通过源域分类器、域鉴别器捕获电流、振动模态数据间的冗余性、互补性。图卷积融合推断部分利用图卷积神经网络的空间聚合特征对电流、振动模态特征进行融合以充分利用多模态上下文语义信息，获取更全面、更完备的轴承状态信息再通过MLP执行最终故，障决策，解决了现有多模态数据数量多、种类多、差异大，进而导致多源数据之间冗余性、互补性挖掘困难，数据融合难的问题。
主权项：1.一种基于多约束条件下模态不变性图卷积融合网络的故障诊断方法，其特征在于，步骤包括：S1.对输入的电流数据xc、振动数据xv进行标准化处理，提取相应的初步特征，并对故障信息放大，得到： 式中，分别表示m模态SE加权表征和网络参数；S2.将经加权的模态特征通过源域分类器、域鉴别器获取域对抗损失，表示为：p＝{Dqc；θD,Dqv,θD}式中，D为域鉴别器，qc为电流模态特征的梯度反转表示，qv为振动模态特征的梯度反转表示，θD为域鉴别器的网络参数；S3.将经过加权的多模态特征转换成依次连接的图数据结构G，图数据结构G经图卷积后得到图卷积融合表示R，所述图卷积融合表示R为：R＝GCNG；A；θGCN式中，GCN为图卷积网络；A为图G的邻接列表；θGCN为GCN网络参数；S4.将图卷积融合表示R输入决策层进行轴承故障推断，表示为：Y＝InfR；θInf式中，Y为推断表示；θInf为决策层网络参数。
全文数据：
权利要求：
百度查询： 湖南工业大学 基于多约束条件下模态不变性图卷积融合网络的故障诊断方法及模型
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