龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：东北林业大学
申请日：2024-04-15
公开（公告）日：2024-07-05
公开（公告）号：CN118296508A
主分类号：G06F18/2431
分类号：G06F18/2431;G06F18/214;G06F18/213;G06F18/25;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了基于图卷积网络的直升机故障诊断方法、系统及设备，属于旋转机械故障诊断在工业实际中的应用，所述系统包括数据采集、数据处理、数据划分、方法构建、模型训练和模型测试六个步骤，数据采集阶段使用传感器采集直升机传动系统、动力装置、旋翼系统和尾桨系统等部位的振动信号，数据处理阶段进行插值处理和归一化操作，数据划分将处理完成的数据划分为训练集和测试集，方法构建融合了高斯滤波器、去噪自编码模块及多感受野图卷积网络，模型训练阶段和测试阶段分别使用训练集和测试集进行训练和测试。本发明能够在所述设备上进行直升机旋转机械的健康状态监测及故障诊断并表现了一定的准确性和稳定性。
主权项：1.基于图卷积网络的直升机故障诊断系统，其特征在于，具体包括以下步骤：数据采集阶段，用以在直升机的传动系统、动力系统、旋翼系统、尾桨系统等含有齿轮或轴承的旋转机械合适位置安装传感器，实现信号的获取；数据处理阶段，用以对采集到的振动信号进行数据处理；数据划分阶段，用以将处理完成的数据划分为训练集和测试集；方法构建阶段，用以构建故障诊断方法，所述方法由融合高斯滤波器的并行卷积网络、使用去噪自动编码的特征融合模块和多感受野图卷积网络组成；模型训练阶段，用以训练集训练网络获得训练完成的网络；模型测试阶段，用以测试集测试网络获得直升机故障诊断网络。
全文数据：
权利要求：
百度查询： 东北林业大学 基于图卷积网络的直升机故障诊断方法、系统及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号