公开(公告)号：CN118822482A

公开(公告)日：2024-10-22

申请号：CN202311548094.1

申请日：2023-11-17

Applicant: 中移(上海)信息通信科技有限公司 ,  上海交通大学 ,  中国移动通信集团有限公司

Inventor： 夏唐斌 ,  司国锦 ,  蒋一民 ,  舒心 ,  仝雪婷

IPC: G06Q10/20

Abstract: 本申请提供一种多设备系统维护方法和装置、电子设备及存储介质。该方法包括：确定多设备系统中多个设备的维护间隔；根据维护间隔，确定多设备系统的维护时机；根据维护时机，确定多个设备的维护成本结余，其中，多个设备中每个设备的维护成本结余表示在维护时机处对每个设备进行维护造成的维护成本的变化；基于多个设备的维护成本结余，确定维护策略，其中，维护策略包括多个设备中在维护时机处进行维护的至少一个设备的指示信息。通过本申请，能够提供更优的维护策略，以实现多设备系统的维护。

公开(公告)号：CN117972523A

公开(公告)日：2024-05-03

申请号：CN202410130176.2

申请日：2024-01-31

Applicant: 上海交通大学

Inventor： 夏唐斌 ,  许昱晖 ,  蒋一民 ,  李柔柔 ,  罗风 ,  王冬 ,  奚立峰

IPC: G06F18/241 ,  G06F18/25 ,  G06F18/214 ,  G06F18/213 ,  G06F18/22 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G01M13/00

Abstract: 一种考虑新发故障模式的旋转式机械部件协同诊断方法，在离线阶段构造局部特征复用卷积网络后，构建差异化判别指标以度量样本在不同的多个局部特征复用卷积网络上的诊断输出差异，实现对协同诊断模型的训练；在在线阶段综合训练后的卷积网络得到的平均集成诊断向量、差异化判别指标和差异化判别阈值实施协同诊断，实现了考虑新发故障模式的旋转式机械部件可靠故障诊断。本发明通过局部特征复用卷积网络和三重差异化增强策略分别提升了协同诊断基模型的准确性与差异化，从而驱动旋转式机械部件协同诊断，通过充分利用模型的辨别能力兼顾已知故障模式与新发故障模式的准确诊断，克服了仅依靠数据或特征差异而导致的诊断精度受限，对保障旋转式机械部件可靠性与安全性具有重要意义。

公开(公告)号：CN116911149A

公开(公告)日：2023-10-20

申请号：CN202310019062.6

申请日：2023-01-06

Applicant: 中移(上海)信息通信科技有限公司 ,  上海交通大学 ,  中国移动通信集团有限公司

Inventor： 夏唐斌 ,  舒俊清 ,  李海伟 ,  蒋一民 ,  戴欣怡 ,  仝雪婷

IPC: G06F30/27 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/048 ,  G06F119/02 ,  G06F123/02

Abstract: 本申请提供一种设备剩余寿命预测方法、装置、电子设备及存储介质，该方法包括：获取数据集，数据集包括失效设备从开始运行到失效的历史状态数据集以及待测设备的状态数据集；将数据集输入健康指标构建模型进行健康指标提取得到失效设备的健康指标曲线和待测设备的健康指标曲线；基于失效设备的健康指标曲线和待测设备的健康指标曲线得到失效设备的预测剩余寿命。由于失效设备寿命长度已确定且准确，失效设备的历史状态数据集表征了其整个生命周期的历史状态情况，不但采用待测设备的状态数据集确定的健康指标曲线，还参照基于失效设备的历史状态数据集确定的健康指标曲线，可提高剩余寿命预测准确性。

公开(公告)号：CN115392447A

公开(公告)日：2022-11-25

申请号：CN202110564415.1

申请日：2021-05-24

Applicant: 中移(上海)信息通信科技有限公司 ,  上海交通大学 ,  中国移动通信集团有限公司

Inventor： 夏唐斌 ,  俞建军 ,  蒋一民 ,  谢晓龙 ,  卓鹏程 ,  李海伟

IPC: G06N3/08 ,  G06N3/04

Abstract: 本申请提供一种神经网络模型的训练方法及装置，其中，该方法包括：通过第一样本对第一神经网络模型进行训练得到第二神经网络模型的初始化权重；其中，所述第一样本中的数据包括源域中的样本数据；所述源域中的样本数据具有用于标识第一故障类型的第一标签；通过第二样本对第二神经网络模型的初始化权重行调整得到第二神经网络模型的权重；其中，所述第二样本中的数据包括目标域中的样本数据；所述目标域中的样本数据具有用于标识第二故障类型的第二标签；所述第二故障类型不同于所述第一故障类型。通过本申请，解决了现有技术中智能故障诊断技术面对工业实际的训练数据不足的问题。

公开(公告)号：CN115221911A

公开(公告)日：2022-10-21

申请号：CN202110404335.X

申请日：2021-04-15

Applicant: 中移(上海)信息通信科技有限公司 ,  上海交通大学 ,  中国移动通信集团有限公司

Inventor： 夏唐斌 ,  俞建军 ,  卓鹏程 ,  谢晓龙 ,  蒋一民 ,  李海伟

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明提供一种故障诊断方法和装置，该方法包括：对行星齿轮箱的振动信号进行预处理，得到至少两组训练数据；通过至少两组训练数据对目标神经网络模型进行训练，得到至少两个诊断模型，目标神经网络模型包括第一承接层和第二承接层，第一承接层为输出层对输入层的反馈结构，第二承接层为输出层对隐含层的反馈结构；根据集成算法，对至少两个诊断模型进行集成训练，得到集成诊断模型；根据集成诊断模型对行星齿轮箱进行故障诊断。本发明的方案中，通过两个承接层能够提高对行星齿轮箱时序信号的动态处理能力，使得集成诊断模型能够适用不同的运行工况与环境，且通过集成算法对诊断模型进行集成训练，能够保障集成诊断模型的稳定性与诊断准确性。