设备故障识别模型训练、识别方法、系统、装置及介质

发明专利有效专利

申请号：
CN202110823380.9
IPC分类号：G06N3/04;G06N3/08;G06K9/00
申请日期：
2021-07-21
申请人：
广州大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	设备故障识别模型训练、识别方法、系统、装置及介质
申请号	CN202110823380.9	申请日期	2021-07-21
法律状态	公开	申报国家	中国
公开/公告日	2021-11-02	公开/公告号	CN113592071A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;K;9;/;0;0查看分类表>
申请人	广州大学	申请人地址	广东省广州市大学城外环西路230号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	广州大学	当前权利人	广州大学
发明人	岳夏;王亚东;张春良;翁润庭;朱厚耀;杨文强;王明
代理机构	广州嘉权专利商标事务所有限公司	代理人	余凯欢

摘要

本发明公开了一种设备故障识别模型训练方法、识别方法、系统、装置及介质，训练方法包括：获取故障振动信号数据集，故障振动信号数据集包括多个故障振动信号和故障振动信号的故障类型；确定设备的固有转动周期，并确定故障振动信号的第一振动周期，进而根据固有转动周期和第一振动周期确定故障振动信号的第一特征子图；根据第一特征子图和故障类型确定训练数据集，并将训练数据集输入到预先构建的胶囊神经网络中进行训练，得到训练好的设备故障识别模型。本发明可以最大程度的保留原始故障振动信号中各个特征的空间位置关系，从而可以将空间位置关系作为故障类型的判定条件，进而提高了设备故障识别模型的准确度，可广泛应用于故障检测技术领域。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供