一种注意力机制下改进卷积神经网络的齿轮故障诊断方法

    公开(公告)号:CN117315328B

    公开(公告)日:2024-10-18

    申请号:CN202311124091.5

    申请日:2023-09-01

    Abstract: 本发明公开了一种注意力机制下改进卷积神经网络的齿轮故障诊断方法,所述方法包括如下步骤:一、采集在不同故障程度下的齿轮振动数据;二、将齿轮振动数据经过短时傅里叶变换转化为2D时频图,将每种故障类别2D时频图数据集划分为训练样本集和测试样本集;三、以AlexNet作为基础框架,构建含注意力机制的特征提取模块、特征融合与分类模块,组成CBAM‑SCCNN模型;四、加载测试样本集输入到CBAM‑SCCNN模型中,输出齿轮断齿故障的诊断结果,测试模型诊断性能。该方法通过减小网络通道数,加快模型训练速率,缩短诊断时长;通过在模型中添加注意力模块实现对关键特征的自适应学习,提升齿轮故障诊断准确率。

    一种注意力机制下改进卷积神经网络的齿轮故障诊断方法

    公开(公告)号:CN117315328A

    公开(公告)日:2023-12-29

    申请号:CN202311124091.5

    申请日:2023-09-01

    Abstract: 本发明公开了一种注意力机制下改进卷积神经网络的齿轮故障诊断方法,所述方法包括如下步骤:一、采集在不同故障程度下的齿轮振动数据;二、将齿轮振动数据经过短时傅里叶变换转化为2D时频图,将每种故障类别2D时频图数据集划分为训练样本集和测试样本集;三、以AlexNet作为基础框架,构建含注意力机制的特征提取模块、特征融合与分类模块,组成CBAM‑SCCNN模型;四、加载测试样本集输入到CBAM‑SCCNN模型中,输出齿轮断齿故障的诊断结果,测试模型诊断性能。该方法通过减小网络通道数,加快模型训练速率,缩短诊断时长;通过在模型中添加注意力模块实现对关键特征的自适应学习,提升齿轮故障诊断准确率。

    一种抗海浪冲击的多自由度磁悬浮减振装置

    公开(公告)号:CN115143231A

    公开(公告)日:2022-10-04

    申请号:CN202210889518.X

    申请日:2022-07-27

    Abstract: 本发明公开了一种抗海浪冲击的多自由度磁悬浮减振装置,包括壳体、承重台、第一永磁体、第二永磁体、磁感线圈组、环形磁铁及外接线部;所述壳体为无盖圆筒状,壳体内腔底部的圆形凹槽中固定第一永磁体,壳体内腔侧壁通过安装接口周向均匀分布12个磁感线圈组,壳体外侧壁上设有外接线部,与外部电源连接;所述承重台容腔底部的圆形凹槽中固定有第二永磁体,其中轴线与壳体内腔底部圆形凹槽的中轴线重合;承重台外侧壁的U型槽中固定有环形磁铁。本发明共包括两组磁性源,在这两组磁性源的共同作用下使承重台与其他装置相隔离,机构产生的振动将不会被传递给周围的其他机构,阻断了振动干扰。

Patent Agency Ranking