首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于改进去噪扩散模型的小样本机械故障诊断方法 

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:泰州历帆科技有限公司

摘要:本发明属于机械智能诊断领域,其具体公开了基于改进去噪扩散模型的小样本机械故障诊断方法,该方法包括:采集不同机械健康状态下关键传动部件的原始振动信号并进行预处理;利用短时傅里叶变换将一维时域信号转化为二维时频图;构建去噪扩散模型,改进模型结构;将转化好的时频图输入到改进的去噪扩散模型中进行训练;利用训练好的去噪扩散模型进行不同类型的样本生成,扩充原始数据集,形成新的数据集;将新数据集输出到构建的卷积网络中,完成故障诊断。该方法通过结合卷积神经网络进行故障诊断,利用增强后的数据集提升了诊断模型的精度和效率,相比传统方法,所提方法能够在小样本条件下实现更高的诊断精度。

主权项:1.基于改进去噪扩散模型的小样本机械故障诊断方法,其特征在于,包括步骤:步骤S1:数据采集并进行预处理,对不同机械健康状态下关键传动部件的原始振动信号进行采集和预处理,预处理包括滤波、去噪和滑动窗口采样,以准备信号的时域分析,获得清洗后的时域信号,为后续转换步骤做准备;步骤S2:时频图转换,利用短时傅里叶变换将预处理后的时域信号转化为具有时频特征的二维时频图;步骤S3:生成模型构建,构建去噪扩散模型,并对模型结构进行改进,以增强其对噪声的鲁棒性和样本生成能力;步骤S4:生成模型训练,将转化好的二维时频图输入到改进的去噪扩散模型中进行训练,得到训练好的去噪扩散模型;步骤S5:样本数据生成,利用训练好的去噪扩散模型,通过该模型对不同类型的样本进行生成,扩充原始数据集,形成新的数据集;步骤S6:故障诊断,将生成的新数据集输入到构建的卷积神经网络模型中,进行网络训练,以实现机械故障诊断。

全文数据:

权利要求:

百度查询: 泰州历帆科技有限公司 基于改进去噪扩散模型的小样本机械故障诊断方法

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。