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
本发明提供了一种基于CNN的轴承故障诊断方法、电子设备及存储介质，包括：首先，使用传感器采集滚动轴承在不同状态下的原始振动信号；其次，使用经验小波变换处理原始振动信号以获取不同的频段的分量信号；再次，使用标签平滑正则化、自适应矩投影估计以及元激活串联函数去构建一维自注意力机制增强的CNN故障诊断模型；最后，利用已标记标签的故障样本集训练构建一维自注意力增强的CNN故障诊断模型，训练完成的模型用于诊断未标记标签的测试样本的故障类型。本发明提出的故障诊断方法中CNN的结构与性能被显著优化与提升且在实
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117874504A
(43)申请公布日2024.04.12
(21)申请号202311572564.8
(22)申请日2023.11.22
(71)申请人大连海事大学
地址116026
文档评论（0）