公开(公告)号：CN117969094A

公开(公告)日：2024-05-03

申请号：CN202410219264.X

申请日：2024-02-28

Applicant: 东南大学

Inventor： 邓艾东 ,  张宇剑 ,  饶朗 ,  夏卫平 ,  胡沁怡 ,  肖凯文

IPC: G01M13/045 ,  G06F18/2413 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种滚动轴承故障诊断方法、装置及系统，包括获取含有噪声的实时滚动轴承振动数据，对其进行连续小波变换，生成对应的时频图；将时频图输入至预先训练好的CA‑CPRN网络中，生成故障诊断结果；所述CA‑CPRN网络包括通道注意力模块和CPRN网络；通道注意力模块用于对接收到的时频图进行处理，生成特征图；CPRN网络包括残差神经网络和胶囊层，残差神经网络包括第一卷积层、最大池化层、第一残差块、第二卷积层和第二残差块；胶囊层包括初级胶囊层和数字胶囊层；初级胶囊层用于将标量转化为向量，生成输入向量；数字胶囊层用于对输入向量进行处理，生成代表数据特征的总输出向量，以总输出向量的模长作为分类依据，进行故障类型分类。本发明能够实现强噪声下的滚动轴承故障诊断。

公开(公告)号：CN118392492A

公开(公告)日：2024-07-26

申请号：CN202410474585.4

申请日：2024-04-19

Applicant: 东南大学

Inventor： 邓艾东 ,  薛原 ,  王敏 ,  夏卫平 ,  吴一凡 ,  沈洋

IPC: G01M13/045 ,  G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于ECA和改进DenseNet的轴承故障诊断方法，包括：采集转速逐渐增加的不同轴承状态下的原始轴承振动信号，对所述原始轴承信号进行预处理得到预处理轴承振动信号，对所述预处理轴承振动信号进行数据切分，得到轴承振动信号样本；将所述轴承振动信号样本输入至构建的基于高效通道注意力模块ECA和改进的DenseNet网络DCDN框架中进行训练，得到轴承故障诊断模型；将待检测轴承振动信号输入所述轴承故障诊断模型，输出轴承故障状态类型识别结果。本发明将ECA和改进DenseNet相结合，能够较好的应用于变转速下滚动轴承故障诊断任务，准确率更高、抗噪性能好、泛化性能更强。