公开(公告)号：CN116296375A

公开(公告)日：2023-06-23

申请号：CN202310203155.4

申请日：2023-03-03

Applicant: 广州大学

Inventor： 张春良 ,  赵乾柏 ,  朱厚耀 ,  岳夏 ,  李子涵 ,  黄灿容 ,  郑仲之

IPC: G01M13/028 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明公开了基于双注意力机制的齿轮箱故障诊断的方法、系统及装置，其中所述方法包括如下步骤：S1：获取齿轮箱的原始振动信号，得到多维数据集；S2：对齿轮箱的原始振动信号进行时频转换，得到二维图像数据；S3：将二维图像数据输入到DAnet模型中，分别在空间注意力模块和通道注意力模块里集合自注意力，再进行融合，获取最终特征图；S4：将最终特征图通过全连接层和softmax分类器进行故障识别。本发明可以实现对齿轮箱故障类型分类，显著地增强故障特征效果，具有一定的抗干扰能力，能够提高故障识别的准确率。

公开(公告)号：CN116124449A

公开(公告)日：2023-05-16

申请号：CN202310203113.0

申请日：2023-03-03

Applicant: 广州大学

Inventor： 张春良 ,  赵乾柏 ,  岳夏 ,  朱厚耀 ,  郑仲之 ,  黄灿容 ,  李子涵

IPC: G01M13/021 ,  G01M13/028

Abstract: 本发明涉及齿轮箱故障诊断领域，且公开了一种多注意机制的齿轮箱故障诊断方法，包括以下步骤：第一步：获取齿轮箱的原始振动信号得到一维数据；第二步：将一维数据输入到多头注意力集中机制模块的Inception中得到多尺度特征信号；第三步：将多尺度特征信号输入到SE通道注意力模块的CNN中提取更全面的特征信息；第四步：将更全面的特征信息通过全局平均池化进行降维处理以及特征信息的整合，以此建立不同通道间的相互依存关系；第五步：最后将特征连接到softmax层，实现故障分类，进行故障识别。