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：重庆邮电大学工业互联网研究院
摘要：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。
主权项：1.一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，其特征在于，包括：S1：建立可解释神经网络模型，该模型包括基于离散余弦增强注意力机制的可解释小波多尺度特征提取网络、基于自注意力机制的双分支特征融合网络以及分类器MLP；S2：获取含有噪声的齿轮箱振动数据；S3：通过基于离散余弦增强注意力机制的可解释小波多尺度特征提取网络捕获含有噪声的齿轮箱振动数据的可解释特征同时对噪声信号进行抑制和过滤；S4：通过基于自注意力机制的双分支特征融合网络以实现对特征的深度融合；所述基于自注意力机制的双分支特征融合网络包括：进行全局建模的全局卷积自注意力分支和聚焦局部特征的局部自注意力分支；S5：应用卷积层对学习的特征进行稳定，使用分类器MLP对特征进行降维输出，得到最终故障识别结果；S6：采用输出通道权重可视化和小波能量谱对比分析对最终故障识别结果进行可解释性分析。
全文数据：
权利要求：
百度查询： 重庆邮电大学工业互联网研究院 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
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