摘要
本发明涉及人工智能技术领域,公开一种球磨机的状态监测方法及系统,以提高整体性能。方法包括:基于训练好的深度学习网络实现对球磨机音频信号的特征提取及状态监测,且在深度学习网络中包括有至少一组由在前的FFTGadeBlock模块和在后的FFTAttentionWithDiff模块组成的级联体;在该级联体的作用下,结合快速傅里叶变换和注意力机制,能够在同一框架下高效融合时域与频域信息,提高模型对时序数据的表达能力和故障分类能力;并通过引入差分操作和注意力机制有效增强关键特征,使得模型能够关注信号中的局部变化,提高对微小故障和异常状态的敏感性,尤其在复杂环境下的早期故障检测。
技术关键词
状态监测方法
深度学习网络
球磨机
早期故障检测
级联
频域特征
时序特征
注意力机制
状态监测系统
FFT模块
人工智能技术
矩阵
输出特征
异常状态
处理器
音频
存储器
因子
系统为您推荐了相关专利信息
深度神经网络模型
属性识别方法
样本
深度学习架构
深度学习网络模型
归一化模块
节点
存储控制系统
加速核
管理服务器
变体机翼
李雅普诺夫指数
测量方法
气动力
卡尔曼滤波
医学图像分割方法
融合多模态信息
卷积模块
多模态磁共振图像
锚点