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
本发明公开了基于KNN带权有向图的图注意力神经网络机械故障诊断方法，包括下列步骤：步骤1：采集轴承振动的时序数据形成数据集，再构建基于KNN的带权有向图，构建带权有向图的方法包括数据切分、随机分组、建立带权有向图和FFT变换；步骤2：将带权有向图输入训练后的网络模型结构进行故障检测，本方法的网络模型结构属于图注意力网络GAT，包括两个GATconv层、两个TopKPooling层、两个全局平均池化层和一个全连接神经网络。本发明能够更准确的捕捉到数据内部的关联性，能够捕捉到更多的信息，大大提高检测
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117786519A
(43)申请公布日2024.03.29
(21)申请号202311737903.3
(22)申请日2023.12.15
(71)申请人安徽智质工程技术
文档评论（0）