原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于半监督动态图注意的齿轮箱故障诊断方法，涉及故障诊断技术领域，该方法包括：从齿轮箱原始振动信号中得到固定长度诊断样本，再经过FFT作为图注意网络输入的KNN图节点；采用池化策略计算图节点间的模糊距离，引入动态注意力机制解决静态图注意网络对不同类节点权重分配相似的问题，构建动态多头图注意齿轮箱故障诊断模型并使用Softmax函数作为分类器，在少标签样本情况下通过标签传播算法实现半监督学习；利用Adam优化器通过反向传播方法进行模型训练，保存训练完成的故障诊断模型进行在线诊断。在动
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116894215 A
(43)申请公布日 2023.10.17
(21)申请号 202310901165.5
(22)申请日 2023.07.20
(71)申请人 江南大学
地址 214100
文档评论（0）