公开(公告)号：CN114861778A

公开(公告)日：2022-08-05

申请号：CN202210429221.5

申请日：2022-04-22

Applicant: 哈尔滨理工大学

Inventor： 康守强 ,  杨佳轩 ,  王玉静 ,  孙宇林 ,  谢金宝 ,  王庆岩 ,  梁欣涛

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06K9/00 ,  G01M13/04

Abstract: 一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法，涉及滚动轴承故障分类技术领域，用以解决深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题。本发明的技术要点包括：以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域训练样本微调网络建立状态分类模型。本发明方法可以在更短的时间内建立分类模型并获得良好的分类准确率，适用于不同负载下滚动轴承故障状态的快速分类。

公开(公告)号：CN114861349A

公开(公告)日：2022-08-05

申请号：CN202210429223.4

申请日：2022-04-22

Applicant: 哈尔滨理工大学

Inventor： 王玉静 ,  李达 ,  康守强 ,  梁欣涛 ,  谢金宝 ,  王庆岩 ,  孙宇林

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F111/04 ,  G06F111/08

Abstract: 一种基于模型迁移和维纳过程的滚动轴承RUL预测方法，涉及滚动轴承使用寿命预测技术领域，用以解决使用寿命百分比作为标签难以准确描述滚动轴承退化过程以及不同工况情况下轴承寿命预测准确率不高的问题。本发明的技术要点包括：提取某工况下全寿命滚动轴承的各振动统计特征，利用单层NCAE网络与SOM网络构建健康指标模型，使用健康指标对滚动轴承频域幅值序列进行标记；使用源域数据训练结合深度NCAE网络与前馈神经网络FNN的组合网络得到预训练模型；利用目标域数据微调，得到滚动轴承性能退化模型，利用性能退化指标量化值的增量建立维纳过程模型，实现不同工况下滚动轴承的RUL预测。本发明适用于对滚动轴承剩余使用寿命的预测技术中。