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：江苏科技大学
摘要：本发明公开了一种基于改进CNN模型的电机轴承故障诊断方法，包括：将电机轴承数据输入至预训练的CNN模型中，得到电机轴承故障诊断结果；CNN模型由多个CNN模块构成，每个CNN模块均由输入层、重新校准模块、卷积层、激活函数、组归一化模块、池化层、自注意力模块、全连接层、输出层和分类器组成；输入的数据经过重新校准模块后进入卷积层，每个卷积后加入激活函数和组归一化模块进入池化层，池化层的输出特征进入自注意力模块；全连接层用于将卷积层和池化层输出的特征进行非线性组合，得到最终的特征向量；重新校准模块由风格池化组件和风格融合组件组成；自注意力模块为带残差连接的自注意力模块，通过自动学习特征间的相关性，根据相关性加权处理输入至自注意力模块的特征向量。
主权项：1.一种基于改进CNN模型的电机轴承故障诊断方法，其特征在于：包括以下步骤：采集待故障诊断的电机轴承数据；将电机轴承数据输入至预训练的CNN模型中，得到电机轴承故障诊断结果；其中，所述的CNN模型由多个CNN模块构成，上一CNN模块的输出作为下一CNN模块的输入；每个CNN模块均由输入层、重新校准模块、卷积层、激活函数、组归一化模块、池化层、自注意力模块、全连接层、输出层和分类器组成；输入的数据经过重新校准模块后进入卷积层，每个卷积后加入激活函数和组归一化模块进入池化层，池化层的输出特征进入自注意力模块；全连接层用于将卷积层和池化层输出的特征进行非线性组合，得到最终的特征向量；所述重新校准模块由风格池化组件和风格融合组件组成；所述自注意力模块为带残差连接的自注意力模块，通过自动学习特征间的相关性，根据相关性加权处理输入至自注意力模块的特征向量。
全文数据：
权利要求：
百度查询： 江苏科技大学 一种基于改进CNN模型的电机轴承故障诊断方法
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