摘要
本发明涉及轴承故障检测技术领域,尤其涉及一种云边协同轴承故障检测方法及相关产品,其中,边缘端检测方法通过对收集到的轴承在不同状态下的信号数据进行预处理,利用CNN对预处理后的信号数据进行特征提取并将提取的特征输入GRU模型,基于GRU模型的输出,生成初步的故障检测结果;云端检测方法对采集到的信号数据进行融合处理和特征提取,并建立局部二值残差网络模型,将局部二值残差网络模型的输出结果通过多层感知机和隐藏层进行结果转换,生成最终的轴承故障检测结果。本发明有效解决了现有技术中轴承故障检测方法无法判断轴承故障类型,导致检修时间过长,影响生产进程并增加维护成本的技术问题。
技术关键词
残差网络模型
GRU模型
轴承故障检测方法
计算机程序指令
数据
信号
残差卷积神经网络
云端检测系统
Softmax函数
多层感知机
二维灰度图像
故障特征
LBP特征
矩阵
处理器
传感器
系统为您推荐了相关专利信息
智能驾驶系统
智能驾驶方法
监测单元
通信模块
决策
管理方法
城市特征
生成物流
路径规划单元
生成飞行器