公开(公告)号：CN118965259A

公开(公告)日：2024-11-15

申请号：CN202410995990.0

申请日：2024-07-24

Applicant: 重庆邮电大学工业互联网研究院

Inventor： 韩延 ,  吕思鹏 ,  黄庆卿 ,  张焱 ,  魏旻 ,  王浩 ,  王平

IPC: G06F18/25 ,  G06F18/24 ,  G06F18/10 ,  G06F18/2131 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及工业智能预测性维护领域，特别涉及一种基于可解释深度特征融合网络的工业智能预测性维护方法，包括：获取含有噪声的齿轮箱振动数据；通过建立具有物理信息约束的可解释特征提取模块对获取数据的特征进行初步的提取和噪声抑制；利用具有全局和局部特征融合能力的双分支特征融合模块整合包括长距离依赖和局部依赖的多尺度特征；利用分类器将高维特征进行降维输出得到最终故障识别结果；并对模型的诊断流程进行可解释性分析。本发明通过将具有确定物理理论支撑的信号处理技术嵌入到深度神经网络中，在提升模型故障识别准确率的同时，有效提高了模型推理结果的可解释性和可靠性。