-
公开(公告)号：CN112179654A
公开(公告)日：2021-01-05
申请号：CN202011039284.7
申请日：2020-09-28
Applicant: 西南交通大学
IPC: G01M13/045 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GAF‑CNN‑BiGRU网络的滚动轴承故障识别方法，首先利用格拉姆角场将滚动轴承振动信号数据转换成二维图像，然后再利用CNN‑BiGRU网络模型完成故障分类；利用格拉姆角场将滚动轴承振动信号数据转换成二维图像，不仅保留了原始信号的完整信息，而且保留了数据对时间的依赖性；而CNN‑BiGRU网络模型中通过卷积单元实现对二维图像中空间特征的提取，进一步通过双向门控制单元筛选出其时间特征，从而提高故障分类的准确率。
-
公开(公告)号：CN113343855B
公开(公告)日：2022-09-16
申请号：CN202110641588.9
申请日：2021-06-09
Applicant: 西南交通大学
Abstract: 本发明提出一种基于引导式子领域自适应的滚动轴承故障诊断系统及方法，属于轴承故障信号跨域智能故障诊断技术，系统包括：信号预处理模块、前馈特征提取网络模块和子领域自适应模块；本发明将源域和目标域数据集进行预处理后输入至前馈特征提取网络模块，目标域中提供有每个类别故障下的1个以上的有标签向导样本；提取源域和目标域数据集的信号特征；通过局部最大平均差异测量源域和目标域向导样本相关子领域间的局部分布差异，并最小化源域和目标域无标签样本间的局部分布差异，完成对目标域无标签样本的标签预测。本发明能够通过最小化不同型号轴承故障信号间的子领域差异，实现不同型号轴承数据集间的跨域故障诊断。
-
公开(公告)号：CN112179654B
公开(公告)日：2022-02-01
申请号：CN202011039284.7
申请日：2020-09-28
Applicant: 西南交通大学
IPC: G01M13/045 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GAF‑CNN‑BiGRU网络的滚动轴承故障识别方法，首先利用格拉姆角场将滚动轴承振动信号数据转换成二维图像，然后再利用CNN‑BiGRU网络模型完成故障分类；利用格拉姆角场将滚动轴承振动信号数据转换成二维图像，不仅保留了原始信号的完整信息，而且保留了数据对时间的依赖性；而CNN‑BiGRU网络模型中通过卷积单元实现对二维图像中空间特征的提取，进一步通过双向门控制单元筛选出其时间特征，从而提高故障分类的准确率。
-
公开(公告)号：CN113343855A
公开(公告)日：2021-09-03
申请号：CN202110641588.9
申请日：2021-06-09
Applicant: 西南交通大学
Abstract: 本发明提出一种基于引导式子领域自适应的滚动轴承故障诊断系统及方法，属于轴承故障信号跨域智能故障诊断技术，系统包括：信号预处理模块、前馈特征提取网络模块和子领域自适应模块；本发明将源域和目标域数据集进行预处理后输入至前馈特征提取网络模块，目标域中提供有每个类别故障下的1个以上的有标签向导样本；提取源域和目标域数据集的信号特征；通过局部最大平均差异测量源域和目标域向导样本相关子领域间的局部分布差异，并最小化源域和目标域无标签样本间的局部分布差异，完成对目标域无标签样本的标签预测。本发明能够通过最小化不同型号轴承故障信号间的子领域差异，实现不同型号轴承数据集间的跨域故障诊断。
-
-
-
Search Results
4
records
(took 0.024 seconds)
