-
公开(公告)号：CN112629854A
公开(公告)日：2021-04-09
申请号：CN202011333834.6
申请日：2020-11-25
Applicant: 西安交通大学
IPC: G01M13/04 , G01M13/045 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开揭示了一种基于神经网络注意力机制的轴承故障分类方法，包括：利用加速度传感器采集轴承的振动加速度时域信号ST，对振动加速度时域信号ST进行包络谱变换，获得频域信号SF，将频域信号SF作为含有注意力机制的神经网络的输入样本；将输入样本SF等分为N个不同片段后输入神经网络，对每个片段进行处理并提取特征值，对特征值进行打分运算和归一化处理，获得与输入样本SF不同片段相对应的注意力权重；建立输入样本SF不同片段与注意力权重之间的联系；利用注意力权重对每个片段的特征值进行加权并求和，获得注意力机制输出值yatt；对所述注意力机制的输出值yatt通过全连接层后进行归一化处理，获得和为1的概率分布，其中，概率最大的所对应的类别即为轴承的故障类型。
-
公开(公告)号：CN110579354B
公开(公告)日：2020-11-06
申请号：CN201910985498.4
申请日：2019-10-16
Applicant: 西安交通大学
IPC: G01M13/045 , G06F30/27 , G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的轴承检测方法，方法包括以下步骤：基于轴承的振动加速度信号生成基于卷积神经网络的一维振动信号，将所述一维振动信号按照时序和比率依次划分为训练集、验证集和测试集，建立基于Grad‑CAM的卷积神经网络可视化结构，经过ReLU函数激活获得卷积神经网络对应于输入样本的Grad‑CAM图，在所述Grad‑CAM图上采样振动信号的维度，以Grad‑CAM的取值区间设定不同激活阈值，以Grad‑CAM激活区域对应的坐标作为索引对原始信号经过卷积神经网络后的激活情况进行标注，建立神经网络区域与目标类别之间的联系。
-
公开(公告)号：CN110579354A
公开(公告)日：2019-12-17
申请号：CN201910985498.4
申请日：2019-10-16
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/50 , G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的轴承检测方法，方法包括以下步骤：基于轴承的振动加速度信号生成基于卷积神经网络的一维振动信号，将所述一维振动信号按照时序和比率依次划分为训练集、验证集和测试集，建立基于Grad-CAM的卷积神经网络可视化结构，经过ReLU函数激活获得卷积神经网络对应于输入样本的Grad-CAM图，在所述Grad-CAM图上采样振动信号的维度，以Grad-CAM的取值区间设定不同激活阈值，以Grad-CAM激活区域对应的坐标作为索引对原始信号经过卷积神经网络后的激活情况进行标注，建立神经网络区域与目标类别之间的联系。
-
公开(公告)号：CN112629854B
公开(公告)日：2022-08-05
申请号：CN202011333834.6
申请日：2020-11-25
Applicant: 西安交通大学
IPC: G01M13/045 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开揭示了一种基于神经网络注意力机制的轴承故障分类方法，包括：利用加速度传感器采集轴承的振动加速度时域信号ST，对振动加速度时域信号ST进行包络谱变换，获得频域信号SF，将频域信号SF作为含有注意力机制的神经网络的输入样本；将输入样本SF等分为N个不同片段后输入神经网络，对每个片段进行处理并提取特征值，对特征值进行打分运算和归一化处理，获得与输入样本SF不同片段相对应的注意力权重；建立输入样本SF不同片段与注意力权重之间的联系；利用注意力权重对每个片段的特征值进行加权并求和，获得注意力机制输出值yatt；对所述注意力机制的输出值yatt通过全连接层后进行归一化处理，获得和为1的概率分布，其中，概率最大的所对应的类别即为轴承的故障类型。
-
-
-
Search Results
4
records
(took 0.019 seconds)
