公开(公告)号：CN119357887A

公开(公告)日：2025-01-24

申请号：CN202411363265.8

申请日：2024-09-27

Applicant: 郑州轻工业大学

Inventor： 巩晓赟 ,  张世康 ,  高艺源 ,  赵斌斌 ,  杜文辽 ,  谢贵重 ,  王良文

IPC: G06F18/25 ,  G06F18/10 ,  G06F18/2131 ,  G06N3/0464 ,  G06F18/2431

Abstract: 本发明涉及一种电机多源异构数据的自适应特征加权融合故障诊断方法，通过构建多头深度卷积神经网络，在神经网络中设计多个并行卷积通道，深度挖掘电流和振动的原始信号的异常特征，分别聚焦于不同维度上的信号特征，确保关键特征信息的全面捕捉。采用相关性分析方法对提取的多维特征进行自适应加权融合，以突出异常关键特征，提高多源异构数据的特征融合效果与异常检测的准确性。采用了SELU激活函数并结合了动态衰减学习率的超参数优化策略，有效解决了模型训练过程中易出现的过拟合问题，提升了模型的收敛稳定性和故障识别的高精度。通过对多源异构数据特征的自适应融合，有效提取了关键的故障特征，提高了机电耦合故障场景下的诊断准确性。