[發(fā)明專利]基于SE-NET和CNN的滾動軸承故障診斷方法

在審

• 申請?zhí)枺?/td>: 202211345836.6
• 申請日: 2022-10-31
• 公開（公告）號: CN115758108A
• 公開（公告）日: 2023-03-07
• 發(fā)明（設(shè)計(jì)）人: 吳聰;李琨
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/2433;G06N3/0464;G06N3/048;G01M13/04;G01M13/045
• 代理公司: 昆明金科智誠知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 53216
• 代理人: 胡亞蘭

1.一種基于SE-NET和CNN的滾動軸承故障診斷方法，其特征在于：先將數(shù)據(jù)通過SE-NET模塊處理，處理后的數(shù)據(jù)傳輸?shù)骄矸e神經(jīng)網(wǎng)絡(luò)當(dāng)中，輸出診斷結(jié)果。

2.根據(jù)權(quán)利要求1的基于SE-NET和CNN的滾動軸承故障診斷方法，其特征在于：SE-NET模塊的工作過程分為三個步驟：壓縮、激發(fā)和乘積；

壓縮操作為1×1×C的向量，其中每個通道的二維特征圖壓縮成一個具有全局感受野的通道特征響應(yīng)值，其計(jì)算過程如下：

3.根據(jù)權(quán)利要求2的基于SE-NET和CNN的滾動軸承故障診斷方法，其特征在于：SE-NET模塊的工作過程包括以下操作：

壓縮操作：沿著特征通道的方向?qū)×W×C維的特征圖通過全局平均池化式中，u_c(v,w)為v×w通道的二維矩陣；v＝1，2，…，H；c為壓縮通道的第c個元素；z_c為壓縮后的輸出；

激發(fā)操作：使用兩個全連接層和一個sigmoid激活函數(shù)來參數(shù)化門控機(jī)制，具體實(shí)現(xiàn)過程如下：

s_c＝σ(w₂δ(w₁z_c))

式中，σ為sigmoid函數(shù)；δ為Relu激活函數(shù)；w₁，w₂為2個全連接層的權(quán)重；s_c為激發(fā)操作后的輸出；

乘積操作：經(jīng)過上述操作得到的通道權(quán)重利用乘法逐通道加權(quán)到原來的特征上，從而在通道維度上實(shí)現(xiàn)對原始特征的重新分配，計(jì)算公式如下：

式中，為乘積后的輸出。

4.根據(jù)權(quán)利要求1的基于SE-NET和CNN的滾動軸承故障診斷方法，其特征在于：卷積神經(jīng)網(wǎng)絡(luò)是以Pytorch為框架搭建的一維多尺度卷積神經(jīng)網(wǎng)絡(luò)，輸入的數(shù)據(jù)為一維，經(jīng)過多個通道進(jìn)行卷積，池化處理最后再連接在一起。

5.根據(jù)權(quán)利要求4的基于SE-NET和CNN的滾動軸承故障診斷方法，其特征在于：一維多尺度卷積神經(jīng)網(wǎng)絡(luò)包括：

一維卷積層是將上一個環(huán)節(jié)輸入的信號通過多個卷積核進(jìn)行卷積運(yùn)算，然后通過激活函數(shù)得到輸入到下一個環(huán)節(jié)的激活值；

池化層負(fù)責(zé)將上一層傳來的數(shù)據(jù)進(jìn)行降維；

多尺度就是有多個一維卷積層進(jìn)行的組合。

6.根據(jù)權(quán)利要求4的基于SE-NET和CNN的滾動軸承故障診斷方法，其特征在于：池化方法為平均池化法。

7.根據(jù)權(quán)利要求5的基于SE-NET和CNN的滾動軸承故障診斷方法，其特征在于：一維多尺度卷積神經(jīng)網(wǎng)絡(luò)的模型機(jī)構(gòu)包括以下步驟：

網(wǎng)絡(luò)層設(shè)置有三個通道，每個通道都有一個特征提取層，第一個通道進(jìn)行特征提取后輸出X1,第二個通道進(jìn)行特征提取后輸出X2,第三個通道進(jìn)行特征提取后輸出X3,X3在經(jīng)過Attention模塊處理過后輸出X3`，X3`作為一個后續(xù)對比實(shí)驗(yàn)的一個輸出節(jié)點(diǎn)然后將通道二和通道三的數(shù)據(jù)進(jìn)行拼接操作得到X5,將X5經(jīng)過Attention模塊處理后得到X5`該節(jié)點(diǎn)輸出的X5`作為后續(xù)對比實(shí)驗(yàn)的第二個輸出節(jié)點(diǎn)，X5`上采樣后輸出X6，然后將通道一的數(shù)據(jù)和X6進(jìn)行拼接操作得到了X7,將得到的X7進(jìn)行Attention模塊的操作得到了X7`，將得到的X7`下采樣后輸出X8，再次拼接得到X8`，得到的X8`經(jīng)過卷積輸出X8``，輸出的X8``經(jīng)過降維后得到X9，X9經(jīng)過dropout層后輸出X10，最后，將得到的X10經(jīng)過全連接后輸出。

8.根據(jù)權(quán)利要求7的基于SE-NET和CNN的滾動軸承故障診斷方法，其特征在于：上采樣采用的是上池化方法，下采樣采用的是Max-pooling方法。