公开(公告)号：CN116858541A

公开(公告)日：2023-10-10

申请号：CN202311118929.X

申请日：2023-09-01

Applicant: 湖南科技大学

Inventor： 肖钊 ,  莫丰源 ,  谢虎 ,  陶洁 ,  邓杰文

IPC: G01M13/045 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及轴承故障诊断技术领域，提供了一种基于密集特征重用的轴承早期故障诊断方法及系统，所述方法包括：建立所述轴承的振动信号样本数据集；对所述振动信号样本数据集进行预处理；按通道级联的特征重用方法，对稠密神经网络不同层级的特征进行重用，构建基于密集特征重用的神经网络模型DFRN并进行训练；将实时采集轴承的振动信号输入至训练后的所述基于密集特征重用的神经网络模型DFRN进行故障诊断，得出所述轴承的早期故障诊断类型。本发明有效利用了网络结构所有卷积层产生的早期故障特征，提高特征复用率，解决了深层模型中有用信息丢失的问题，从而提高强噪声环境下轴承早期故障诊断的准确率。

公开(公告)号：CN116858541B

公开(公告)日：2023-12-01

申请号：CN202311118929.X

申请日：2023-09-01

Applicant: 湖南科技大学

Inventor： 肖钊 ,  莫丰源 ,  谢虎 ,  陶洁 ,  邓杰文

IPC: G01M13/045 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及轴承故障诊断技术领域，提供了一种基于密集特征重用的轴承早期故障诊断方法及系统，所述方法包括：建立所述轴承的振动信号样本数据集；对所述振动信号样本数据集进行预处理；按通道级联的特征重用方法，对稠密神经网络不同层级的特征进行重用，构建基于密集特征重用的神经网络模型DFRN并进行训练；将实时采集轴承的振动信号输入至训练后的所述基于密集特征重用的神经网络模型DFRN进行故障诊断，得出所述轴承的早期故障诊断类型。本发明有效利用了网络结构所有卷积层产生的早期故障特征，提高特征复用率，解决了深层模型(56)对比文件Yadong Xu等.Multiscale DenseConvolutional Networks for IntelligentFault Diagnosis of Rolling Bearing《.20218th International Conference onDependable Systems and Their Applications(DSA)》.2021,全文.