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：东北林业大学
摘要：基于改进的模型无关元学习的少样本跨域轴承故障诊断方法和系统，涉及少样本跨域条件下机械故障诊断领域。本发明是为了解决现有轴承故障诊断方法无法在样本极少和工况变化时取得良好的诊断结果这一问题。本发明包括：获得待诊断的轴承原始振动信号，计算振动信号的自相似性将其转化为特征丰富且不受工况变化影响的二维递归图；改进模型无关元学习方法：将训练调控变量加入到内环训练中；构建基于并行协同注意力的特征编码器：由二维卷积模块、并行协同注意力模块、全连接层依次连接组成；利用支持集和查询集训练基于并行协同注意力的特征编码器：利用其他工况下的跨域振动信号测试训练好的基于并行协同注意力的特征编码器。本发明用于轴承的少样本跨域故障诊断。
主权项：1.基于改进的模型无关元学习的少样本跨域轴承故障诊断方法，其特征在于所描述方法具体过程为：获得待诊断的轴承原始振动信号，将待诊断的轴承原始振动信号进行自相关性计算转换为二维递归图，将二维递归图应用于轴承故障诊断方法获得轴承故障类型的诊断结果；轴承故障诊断网络通过以下方式获得：步骤一、获取轴承原始振动信号，并将轴承原始振动信号转换为二维递归图，划分为支持集和查询集；步骤二、改进模型无关元学习方法，将训练调控变量加入到内环训练过程中；步骤三、构建基于并行协同注意力的特征编码器；所述特征编码器由以下模块依次连接组成：二维卷积模块、并行协同注意力模块、全连接层；所述二维卷积模块用于提取振动信号二维递归图的局部故障特征；所述并行协同注意力模块用于同时提取长度、宽度、通道多个维度之间的通用诊断知识；所述全连接层用于对并行协同注意力模块输出的故障特征进行分类；步骤四、分别利用支持集和查询集在元学习的内环和外环训练步骤三构建的基于并行协同注意力的特征编码器，获得训练好的基于并行协同注意力的特征编码器；步骤五、利用其他工况下的跨域数据测试步骤四获得的训练好的基于并行协同注意力的特征编码器，获得少样本跨域轴承故障诊断方法。
全文数据：
权利要求：
百度查询： 东北林业大学 基于改进的模型无关元学习的少样本跨域轴承故障诊断方法和系统
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