-
公开(公告)号：CN115481653A
公开(公告)日：2022-12-16
申请号：CN202210975932.2
申请日：2022-08-15
Applicant: 厦门大学
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明提供了基于时频多尺度多任务故障诊断和剩余寿命预测联合方法，包括，读取轴承的振动加速度信号，将轴承振动加速度的时域信号进行短时傅里叶变换计算，并得到振动加速度的功率谱密度图，根据轴承振动加速度信号的均方根情况对轴承全生命周期退化数据进行数据标注，时频表征的轴承全生命周期退化数据，以及健康状态值和归一化剩余寿命数值作为一个完整的数据集，将训练集代入门控多任务多尺度卷积神经网络中，对网络参数进行优化后，收敛条件判断，得多尺度多任务学习模型的故障诊断和剩余寿命预测联合模型，本发明方法能够对轴承退化过程更为直观的刻画，同时对表征的不同尺度特征进行捕捉，对不同尺度的特征的关系进行动态的调节。
Search Results
1
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
