龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽智质工程技术有限公司
摘要：本发明公开了一种基于Shapelets与图注意力网络的轴承故障检测方法,涉及轴承故障检测的技术领域，包括以下步骤：故障数据采集、Shapelets特征提取、KNN图构建及GAT网络分类模型的构建，本申请中Shapelets能够捕捉时间序列中的关键特征，这些特征对于分类和聚类等任务至关重要，通过选择最具信息量的形状片段，Shapelets可以有效地区分不同的时间序列模式，与传统的特征提取方法相比，Shapelets提供了一种直观的方式来理解时间序列数据的结构，将图注意力网络应用于轴承故障诊断中，较传统的深度神经网络相比，该结构能够更准确的捕捉到数据内部的关联性，能够捕捉到更多的信息。
主权项：1.一种基于Shapelets与图注意力网络的轴承故障检测方法,其特征在于：包括以下步骤：S1、故障数据采集：在转轴的轴承处设置若干加速度传感器，用于收集振动数据；S2、Shapelets特征提取：S2.1、对于故障数据X，计算当前选中特征子序列Zi＝xi，xi+stepsize，...，xi+Shapeletssize-1*stepsize并与故障数据X的每一个特征子序列的欧式距离，将所有的欧式距离求和记为di；S2.2、对得到的距离的集合D＝{d1,..dm}按照距离进行排序，选出前N个最大的距离；S2.3、选择这前N个最大的距离所对应的选中的特征子序列为当前数据X的N个Shapelets；S3、KNN图构建：将步骤S2中得到的N个Shapelets当成N个节点，使用KNN算法计算出每个节点最近的K个节点，其中边的权重按照如下公式计算： 其中ci表示当前节点和最近的K个节点中的第i个节点的距离，这样对包含N个节点的数据可以建立一个带权有向图；S4、GAT网络分类模型的构建：通过步骤S2及S3两步得到了包含故障标签的Shapelets图，接下来通过新的Shapelets图数据使用GAT网络模型进行训练，便可对故障数据进行分类，实现故障识别。
全文数据：
权利要求：
百度查询： 安徽智质工程技术有限公司 一种基于Shapelets与图注意力网络的轴承故障检测方法
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