公开(公告)号：CN118606799B

公开(公告)日：2024-11-08

申请号：CN202411082944.8

申请日：2024-08-08

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  丁中天 ,  戴玮博

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了一种基于原始振动信号的深宽度故障诊断方法，针对边缘网关设备计算能力不足的情况或是故障诊断实时性需求较高的场景。该方法包括：获得原始振动信号数据以及标签值。对原始振动信号进行预处理，分割训练集和测试集。将预处理后的训练集输入第一层深度可分离卷积网络。输入测试集，得到预测输出以及残差输出。将残差输出作为第二层深度可分离卷积网络的训练集输入，得到第二个预测输出。将第一层预测输出与第二层预测输出相加得到预测输出。本发明基于原始振动信号的深宽度故障诊断方法更好地实现了在边缘网关设备计算能力不足以及故障诊断实时性要求高下的智能故障诊断。

公开(公告)号：CN118606799A

公开(公告)日：2024-09-06

申请号：CN202411082944.8

申请日：2024-08-08

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  丁中天 ,  戴玮博

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了一种基于原始振动信号的深宽度故障诊断方法，针对边缘网关设备计算能力不足的情况或是故障诊断实时性需求较高的场景。该方法包括：获得原始振动信号数据以及标签值。对原始振动信号进行预处理，分割训练集和测试集。将预处理后的训练集输入第一层深度可分离卷积网络。输入测试集，得到预测输出以及残差输出。将残差输出作为第二层深度可分离卷积网络的训练集输入，得到第二个预测输出。将第一层预测输出与第二层预测输出相加得到预测输出。本发明基于原始振动信号的深宽度故障诊断方法更好地实现了在边缘网关设备计算能力不足以及故障诊断实时性要求高下的智能故障诊断。