[发明专利]一种基于CNN与LSTM深度特征融合的故障诊断方法有效
| 申请号： | 202011446332.4 | 申请日： | 2020-12-08 |
| 公开（公告）号： | CN112561035B | 公开（公告）日： | 2023-07-25 |
| 发明（设计）人： | 周福娜;张志强 | 申请（专利权）人： | 上海海事大学 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06N3/044;G06N3/049;G06F18/214;G06F18/25;G06F18/213 |
| 代理公司： | 上海互顺专利代理事务所(普通合伙) 31332 | 代理人： | 成秋丽 |
| 地址： | 201306 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CNN与LSTM深度特征融合的故障诊断方法，深度学习近年来在故障诊断领域得到广泛应用。但利用单个深度学习模型来进行特征提取和故障诊断将面临数据利用不充分、特征提取不全面的问题，从而影响故障诊断的精度。针对上述问题，提出了一种特征融合机制，使用两种不同的神经网络对一维序列数据和二维波形图数据分别做特征抽取：使用LSTM抽取一维序列数据的自相关特征，使用CNN抽取二维波形图数据的互相关特征。通过加入特征融合网络，实现两种神经网络特征互补融合的目的，而不同于现有的特征简单拼接融合。从而使数据利用更加充分，特征提取更加全面，故障诊断更加准确。 | ||
| 搜索关键词： | 一种 基于 cnn lstm 深度 特征 融合 故障诊断 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海海事大学，未经上海海事大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202011446332.4/，转载请声明来源钻瓜专利网。
