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：大连海事大学
摘要：本发明公开了一种基于卷积网络和多头自注意力的滚动轴承故障诊断方法，属于轴承故障诊断技术领域，包括：对原始信号数据集，取若干一定长度的数据作为样本集，然后通过CNN提取样本特征，将该特征通过MHSA机制进行进一步的学习，最后将得到的特征向量再放入基于原型网络的分类任务中，训练可以进行故障诊断的模型，本发明对于长序列有着更好的信息挖掘和分类能力，不会因为样本长度的增加导致明显的性能下降，模型分类效果相对稳定。
主权项：1.一种基于卷积网络和多头自注意力的滚动轴承故障诊断方法，其特征在于，包括以下步骤：获取原始信号数据集，对所述原始信号数据集进行处理，获得样本数据集；基于卷积网络和多头自注意力构建信号处理模块，将所述样本数据集输入至所述信号处理模块中，生成信号处理模块的最终输出；基于原型网络构建分类器，将所述信号处理模块的最终输出输入至所述分类器中进行训练，获得轴承故障分类模型；基于所述轴承故障分类模型获取滚动轴承故障诊断结果；将所述样本数据集输入至所述信号处理模块中，生成信号处理模块的最终输出的过程包括：将所述样本数据集输入至卷积网络中进行特征提取，获得b×r×l'维的特征向量；将所述b×r×l'维的特征向量输入至所述多头自注意力中进行特征提取，获得样本内在特征信息；将所述样本内在特征信息进行拼接，并通过全连接层的线性层对拼接后的样本内在特征信息的向量尺度调整，获得所述信号处理模块的最终输出；其中，l'为通过卷积层特征提取后的样本向量长度；所述将所述样本内在特征信息进行拼接，并通过全连接层的线性层对拼接后的样本内在特征信息的向量尺度调整，获得所述信号处理模块的最终输出的过程包括：将所述b×r×l'维的特征向量输入至所述多头自注意力中进行特征提取，获得多个自注意力模块输出的样本内在特征信息；多个自注意力模块输出的样本内在特征信息拼接为b×r×t'维的矩阵，再通过最后的全连接的线性层调整向量尺度为b×r×l'维，获得所述信号处理模块的最终输出；其中，t'=Nt，N为自注意力的层数，t是隐含层的维数。
全文数据：
权利要求：
百度查询： 大连海事大学 基于卷积网络和多头自注意力的滚动轴承故障诊断方法
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