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：徐州大恒测控技术有限公司

摘要：一种煤矿立井刚性罐道缺陷量化检测方法，包括三相变频电机、电涡流位移传感器、数据采集卡和计算机，三相变频电机控制罐笼移动速度，电涡流位移传感器采集一维位移信号，采集卡将采集的位移信号上传至计算机；设置罐笼在0.1ms、0.2ms、0.3ms三种不同的速度下运行，电涡流传感器的提离距离分别设置为8mm、9mm、10mm，在同一运行工况条件下，每类缺陷采集8组实验数据；本发明与传统的故障诊断方法相比，注意力CNN省去了手动特征提取或噪声去除的要求，提高了故障检测精度，减少了检测时间。

主权项：1.一种煤矿立井刚性罐道缺陷量化检测方法，其特征在于，包括三相变频电机、电涡流位移传感器、数据采集卡和计算机，三相变频电机控制罐笼移动速度，电涡流位移传感器采集一维1D位移原始信号，采集卡将采集的信号上传至计算机，其方法包括以下步骤：S1、罐笼在0.1ms、0.2ms、0.3ms三种不同的速度下运行，电涡流传感器的提离距离分别设置为8mm、9mm、10mm，在同一运行工况条件下，每类缺陷采集8组实验数据；S2、对数据进行降采样，采样率为8，降采样后样本长度为2720，之后采用窗口裁剪操作，裁剪位移设置为96，裁剪后样本的长度为2048；经过窗口裁剪后的样本扩充了7倍；最后，对裁剪后的样本数据进行翻转操作，样本数增加2倍；S3、采用并行注意力模块的一维卷积神经网络1DCNN进行训练，整个神经网络架构主要由1个Stem模块、6个Group组、4个Conv1D模块和分类层组成；模型首先用Stem模块提取数据浅层特征，并降低数据维度；6个Group模块串联在一起，每个Group由若干个Blocks串联组合，最后采用1D卷积和残差连接；S4、网络训练和测试在windows10操作系统、IntelCorei7-11700CPU和RTX3070Ti上计算机上进行训练和测试；训练集和测试集采用8:2的比例随机分配；采用准确率作为诊断性能指标，公式如下： TP识别正确的样本数量，TN代表识别错误的样本数量，P为正确识别的比例；S5、将所提出的神经网络与传统的1DCNN进行比较，与基于宽第一层核的深度卷积神经网络WDCNN、基于LSTM框架的网络、双路径深度学习模型RNN-WDCNN、多尺度多分支的CNNMBSCNN和基于多感受野降噪残差卷积网络MF-DRCNN这6种算法进行对比；S6、在原始信号中加入不同信噪比的高斯白噪声，信噪比SNR定义为： 其中，Psignal代表原始信号的功率，Pnosie代表附加噪声的功率。

全文数据：

权利要求：

百度查询： 徐州大恒测控技术有限公司 一种煤矿立井刚性罐道缺陷量化检测方法