← 返回列表
注意力机制深度神经网络港机装备健康诊断系统及方法
摘要文本
本发明属于故障检测技术领域，涉及注意力机制深度神经网络港机装备健康诊断系统及方法，该方法对港口起重机械的起升机构、闭合机构、回转机构、变幅机构等几个关键部位安装温振传感器和温度传感器采集港口起重机械的电机温度信号与振动信号。经过采集信号的长期积累，将采集到的数据存入数据库中进行长期保存，构建港口起重机械信号测试数据集。将测试集中的数据进行预处理后输入到训练好的深度学习算法模型中进行预测准确度验证。将预测结果存入数据库中建立历史预测结果数据库，将可视化平台与该数据库相连，将预测结果可视化展示。本发明能够减少港口起重机械的故障故障预警时间并提升故障预测准确率。。来源：马 克 团 队
申请人信息
- 申请人:青岛理工大学
- 申请人地址:266520 山东省青岛市市北区抚顺路11号
- 发明人: 青岛理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 注意力机制深度神经网络港机装备健康诊断系统及方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410231427.6 |
| 申请日 | 2024/3/1 |
| 公告号 | CN117804811A |
| 公开日 | 2024/4/2 |
| IPC主分类号 | G01M99/00 |
| 权利人 | 青岛理工大学 |
| 发明人 | 吕成兴; 雷鹏; 高乾; 杨智博; 陈健; 解静; 徐浩; 王子晨; 王铭榜; 黄光正 |
| 地址 | 山东省青岛市市北区抚顺路11号 |
专利主权项内容
1.一种注意力机制深度神经网络港机装备健康诊断方法，其特征在于，用于对港口起重机械故障进行预测，所述方法包括：(1)数据采集及预处理：采集港口起重机械的振动数据与温度数据，对所述振动数据与温度数据进行预处理，然后进行归一化，并将归一化后的数据集划分为训练集和测试集；(2)构建健康度预测模型和温度预测模型：将振动数据训练集输入至基于注意力机制的CNN-LSTM神经网络中进行训练获得健康度预测模型；将温度数据训练集输入至基于注意力机制的CNN-LSTM神经网络中进行训练获得温度预测模型；(3)故障预测报警：所述健康度预测模型输出振动数据的健康度估计值的预测值，并依据健康度估计值的预测值进行故障预测报警；温度预测模型输出温度预测值，并依据温度预测值进行故障预测报警。。 （更多数据，详见）