一种基于图Transformer的机械故障预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明提供了一种基于图Transformer的机械故障预测方法,涉及机械故障预测技术领域,具体包括如下步骤:对于三种故障信号:内圈故障信号、外圈故障信号和滚动球故障信号,基于图结构提取三种故障信息,并基于相似性得分判断不同故障之间的关联。基于Graph Transformer进行图特征提取。基于Bi‑LSTM对信号特征进行整合。对CWRU数据集划分训练集和测试集,利用交叉熵损失函数进行训练,对旋转机械故障进行预测。本发明的技术方案克服现有技术中的不能有效挖掘各信号之间的关联性、机械故障预测准确性较低的问题。
《一种基于图Transformer的机械故障预测方法(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 2024102390886,当前法律状态为已下证,由青岛大学提出申请,发明人为李臻;牛东江;张元明;姜伟;张志鑫,申请日期为2024-03-04,公开(公告)日期为2024-06-04,国际专利分类号(IPC)为 G06V 10/764 (2022.01),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:本发明提供了一种基于图Transformer的机械故障预测方法,涉及机械故障预测技术领域,具体包括如下步骤:对于三种故障信号:内圈故障信号、外圈故障信号和滚动球故障信号,基于图结构提取三种故障信息,并基于相似性得分判断不同故障之间的关联。基于Graph Transformer进行图特征提取。基于Bi‑LSTM对信号特征进行整合。对CWRU数据集划分训练集和测试集,利用交叉熵损失函数进行训练,对旋转机械故障进行预测。本发明的技术方案克服现有技术中的不能有效挖掘各信号之间的关联性、机械故障预测准确性较低的问题。
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!
