买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽工业大学申请的专利一种基于RegNet-SES的快速诊断滚动轴承故障方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116754231B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310499153.4，技术领域涉及：G01M13/045；该发明授权一种基于RegNet-SES的快速诊断滚动轴承故障方法是由戚晓利;王兆俊;毛俊懿;王志文;崔德海;赵方祥设计研发完成，并于2023-05-04向国家知识产权局提交的专利申请。

本一种基于RegNet-SES的快速诊断滚动轴承故障方法在说明书摘要公布了：本发明公开了一种基于RegNet‑SES的快速诊断滚动轴承故障方法，其具体步骤包括：采集健康、不同故障类型和故障程度的滚动轴承一维振动加速度信号数据；使用连续小波变换将一维振动信号转换成特征信息明显的二维时频图，并制作成滚动轴承混合故障数据集；搭建RegNet‑SES网络模型并完成网络参数初始化，使用深度迁移学习迁移预训练模型的权重参数到RegNet‑SES网络上；将滚动轴承混合故障数据集用于RegNet‑SES网络进行训练，得到针对滚动轴承的混合故障诊断模型。本发明克服了现有模型对滚动轴承混合故障诊断效果不佳以及模型复杂度较高导致计算成本较大等问题，提高了模型诊断精度的同时提升了模型诊断故障的速度。

本发明授权一种基于RegNet-SES的快速诊断滚动轴承故障方法在权利要求书中公布了：1.一种基于RegNet-SES的快速诊断滚动轴承故障方法，其特征在于，包括： S1:采集健康、不同故障类型和故障程度的滚动轴承一维振动加速度信号数据； S2:对采集的一维振动加速度信号数据进行采样，对采样得到的数据样本使用连续小波变换生成二维时频图； S3:制作滚动轴承混合故障数据集并划分训练集和测试集； S4:搭建RegNet-SES网络，使用迁移学习迁移预训练模型权重参数到完成初始化的RegNet-SES网络；所述的RegNet-SES网络包括网络输入层、网络主体和网络输出层，迁移学习迁移预训练模型输入层和网络主体的权重参数到完成初始化的RegNet-SES网络上； 所述的网络主体包括4个Stage，4个Stage具体为： Stage1：由一个带下采样的SES注意力组卷积残差模块构成； Stage2：由一个带下采样的SES注意力组卷积残差模块和2个SES注意力组卷积残差模块构成； Stage3：由一个带下采样的SES注意力组卷积残差模块和5个SES注意力组卷积残差模块构成； Stage4：由一个带下采样的SES注意力组卷积残差模块和5个SES注意力组卷积残差模块构成； SES注意力组卷积残差模块包括卷积核大小为1×1的标准卷积层、卷积核大小为3×3的分组卷积层、SES注意力机制模块和卷积核大小为1×1的标准卷积层，SES注意力组卷积残差模块通过在输入与输出处添加跨层连接来构成残差结构； 带下采样的SES注意力组卷积残差模块是在跨层连接处，添加一个卷积核大小为1×1的标准卷积层，带下采样的SES注意力组卷积残差模块执行下采样操作来保证与前一层的连接； 所述的SES注意力机制模块是SE注意力机制与空间注意力机制相结合的混合注意力机制模块； S5:使用滚动轴承混合故障数据集训练RegNet-SES网络并更新网络权重参数，训练RegNet-SES网络至收敛，保存最优模型并将其作为混合故障诊断模型，进行滚动轴承故障诊断。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽工业大学，其通讯地址为：243002 安徽省马鞍山市湖东路59号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。