一种基于IPDSCS和SwinTransformer的轴承故障抗噪性诊断方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于IPDSCS和Swin Transformer的轴承故障抗噪性诊断方法,包括:对轴承在不同工况下的振动信号进行采集,获得多组原始振动信号数据;对原始振动信号数据进行小波变换,转换为时频图像;构建基于改进的倒金字塔深度可分离卷积序列特征提取模型,对时频图像进行提取,得到多维度的特征向量;利用特征向量作为输入数据,基于Swin Transformer深度学习网络进行模型训练,建立轴承故障诊断模型;将待诊断的轴承振动信号输入轴承故障诊断模型,输出对应的故障类别。该方法通过小波变换去噪和IPDSCS特征提取方法,提高了信号处理的抗噪性;采用Swin Transformer网络对多维度特征进行多尺度建模,显著提升了故障诊断的精度和鲁棒性;实现对轴承故障的高精度诊断。
《一种基于IPDSCS和SwinTransformer的轴承故障抗噪性诊断方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024119554332,当前法律状态为已下证,由兰州理工大学提出申请,发明人为柴靖轩;曹洁;赵小强;梁浩鹏;王进花;张亚洲;郭海科;李森,申请日期为2024-12-28,公开(公告)日期为2026-02-13,国际专利分类号(IPC)为 G06F 18/24 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于IPDSCS和Swin Transformer的轴承故障抗噪性诊断方法,包括:对轴承在不同工况下的振动信号进行采集,获得多组原始振动信号数据;对原始振动信号数据进行小波变换,转换为时频图像;构建基于改进的倒金字塔深度可分离卷积序列特征提取模型,对时频图像进行提取,得到多维度的特征向量;利用特征向量作为输入数据,基于Swin Transformer深度学习网络进行模型训练,建立轴承故障诊断模型;将待诊断的轴承振动信号输入轴承故障诊断模型,输出对应的故障类别。该方法通过小波变换去噪和IPDSCS特征提取方法,提高了信号处理的抗噪性;采用Swin Transformer网络对多维度特征进行多尺度建模,显著提升了故障诊断的精度和鲁棒性;实现对轴承故障的高精度诊断。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
