公开(公告)号：CN118936886A

公开(公告)日：2024-11-12

申请号：CN202410956833.9

申请日：2024-07-17

Applicant: 无锡学院

Inventor： 孙宁 ,  朱思成 ,  陈志元 ,  王松雷 ,  陈江 ,  胡凯 ,  夏禹

IPC: G01M13/045 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于1D‑XFormer模型的电机轴承故障诊断方法和系统，所述方法包括以下步骤：采集电机轴承振动信号并进行预处理；构建自适应轻量化1D‑XFormer网络用于电机轴承故障诊断；将预处理后的轴承振动信号输入1D‑XFormer网络得到诊断结果；其中，1D‑XFormer网络由一维Xception和Transformer组成用于电机轴承故障诊断，包括输入、中间、输出三个通道。本发明在复杂工况下具有较强的电机故障诊断能力而且该方法的复杂度较低。

公开(公告)号：CN119226735A

公开(公告)日：2024-12-31

申请号：CN202411307450.5

申请日：2024-09-19

Applicant: 无锡学院

Inventor： 孙宁 ,  汤家辉 ,  陈志元 ,  王松雷 ,  陈江 ,  胡凯 ,  夏禹

IPC: G06F18/20 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开一种基于深度学习的滚动轴承剩余寿命预测方法，将预先获取的滚动轴承的振动信号输入训练获得的端到端模型，利用端到端模型预测输出滚动轴承的剩余使用寿命；其中，端到端模型包括依次连接的第一卷积层、APP1层、第一Dropout层、第一Mixer模块、第二Mixer模块、第三Mixer模块、APP4层和全连接层。本发明采用的MDSCT模型的RUL预测使用原始振动数据，并通过融合多尺度深度可分离卷积注意力网络和PPSformer模块有效地提取轴承振动信号的全局和局部特征，优化了网络捕获的退化特征能力，使RUL预测更加准确。