-
Patent Agency Ranking
公开(公告)号：CN110006650A
公开(公告)日：2019-07-12
申请号：CN201910203819.0
申请日：2019-03-18
Applicant: 华中科技大学
IPC: G01M13/045
Abstract: 本发明属于滚动轴承智能故障诊断相关技术领域，其公开了一种基于栈式剪枝稀疏去噪自动编码器的故障诊断方法，该方法包括以下步骤：(1)构建sPSDAE网络模型，所述sPSDAE网络模型采用在各个网络层迭代中确定及使用重构误差最小的信息传递通道；(2)将带有标签的信号数据输入到所述sPSDAE网络模型中，以进行无监督的自适应特征提取和有监督的顶层微调；接着，采用BP分类器对提取出的特征进行分类训练进而此得到故障诊断模型；(3)将信号数据输入到所述故障诊断模型，所述故障诊断模型对接受到的信号数据进行分类预测。本发明无需人工特征提取，提高了准确率及速度，灵活性较好。
-
公开(公告)号：CN113281048B
公开(公告)日：2022-03-29
申请号：CN202110716619.2
申请日：2021-06-25
Applicant: 华中科技大学
IPC: G01M13/045 , G06K9/00 , G06K9/62
Abstract: 本发明公开了一种基于关系型知识蒸馏的滚动轴承故障诊断方法和系统，属于故障诊断技术领域。本发明采集到轴承原始振动信号后，对每个处理样本构建一个时频图作为故障样本，将其作为故障诊断系统的输入，由于时频图蕴含振动信号完整时频信息，提高故障诊断的实时响应效率与准确率。本发明采用学生模型同时学习教师模型的Softmax的输出软标签和多个样本在最后一个池化层输出之间的多元关系，即，学生网络从教师结构和单个样本在教师网络输出两个方面学习，在不增加内存和训练时间的情况下有效提升故障诊断系统的分类性能。本发明使用关系知识蒸馏迁移学习方法实现轴承故障诊断，通过以小模型代替大模型的思想，有效降低计算复杂度。
-
公开(公告)号：CN113281048A
公开(公告)日：2021-08-20
申请号：CN202110716619.2
申请日：2021-06-25
Applicant: 华中科技大学
IPC: G01M13/045 , G06K9/00 , G06K9/62
Abstract: 本发明公开了一种基于关系型知识蒸馏的滚动轴承故障诊断方法和系统，属于故障诊断技术领域。本发明采集到轴承原始振动信号后，对每个处理样本构建一个时频图作为故障样本，将其作为故障诊断系统的输入，由于时频图蕴含振动信号完整时频信息，提高故障诊断的实时响应效率与准确率。本发明采用学生模型同时学习教师模型的Softmax的输出软标签和多个样本在最后一个池化层输出之间的多元关系，即，学生网络从教师结构和单个样本在教师网络输出两个方面学习，在不增加内存和训练时间的情况下有效提升故障诊断系统的分类性能。本发明使用关系知识蒸馏迁移学习方法实现轴承故障诊断，通过以小模型代替大模型的思想，有效降低计算复杂度。
-
公开(公告)号：CN109858345B
公开(公告)日：2021-06-11
申请号：CN201811589368.0
申请日：2018-12-25
Applicant: 华中科技大学
Abstract: 本发明属于胀管设备智能故障诊断相关技术领域，其公开了一种适用于胀管设备的智能故障诊断方法，该方法包括以下步骤：(1)实时采集胀管设备的压力数据；(2)对原始压力数据进行预处理，将处理后的数据划分为训练集及测试集；(3)基于Leacky线性整流函数改进的栈式去噪稀疏自动编码器，构建深度神经网络故障诊断模型，采用Softmax函数作为深度神经网络故障诊断模型的BP分类器的激活函数；再采用训练集对深度神经网络故障诊断模型进行训练，进而将测试集输入深度神经网络故障诊断模型中，深度神经网络故障诊断模型对测试集进行诊断分类以预测故障类型，由此完成对胀管设备的故障诊断。本发明提高了生产效率，降低了成本。
-
公开(公告)号：CN109858345A
公开(公告)日：2019-06-07
申请号：CN201811589368.0
申请日：2018-12-25
Applicant: 华中科技大学
Abstract: 本发明属于胀管设备智能故障诊断相关技术领域，其公开了一种适用于胀管设备的智能故障诊断方法，该方法包括以下步骤：(1)实时采集胀管设备的压力数据；(2)对原始压力数据进行预处理，将处理后的数据划分为训练集及测试集；(3)基于Leacky线性整流函数改进的栈式去噪稀疏自动编码器，构建深度神经网络故障诊断模型，采用Softmax函数作为深度神经网络故障诊断模型的BP分类器的激活函数；再采用训练集对深度神经网络故障诊断模型进行训练，进而将测试集输入深度神经网络故障诊断模型中，深度神经网络故障诊断模型对测试集进行诊断分类以预测故障类型，由此完成对胀管设备的故障诊断。本发明提高了生产效率，降低了成本。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
