-
公开(公告)号：CN115541228B
公开(公告)日：2025-05-02
申请号：CN202211233497.2
申请日：2022-10-10
Applicant: 重庆邮电大学
IPC: G01M13/021 , G01M13/028 , G06F18/2415 , G06F18/2431 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0895 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及故障诊断领域，特别涉及一种风电机组齿轮箱的故障诊断方法包括：采集风电机组齿轮箱的振动信号，将采集到的振动信号按预设长度分割并归一化为故障样本；根据风电机组齿轮箱的历史故障报告对部分故障样本打上故障类别标签；将具有故障类别标签的故障样本划分为支持集、查询集、验证集，并将没有故障类别标签的故障样本作为无标签样本集；构建故障诊断模型，并通过支持集、查询集、验证集与无标签样本集对故障诊断模型进行训练；获取风电机组齿轮箱的目标振动信号，并将风电机组齿轮箱的目标振动信号归一化处理后输入训练好的故障诊断模型计算得到故障诊断结果，通过本发明的方法能够实时对风电机组齿轮箱故障进行诊断。
-
公开(公告)号：CN114813126B
公开(公告)日：2025-04-15
申请号：CN202210364394.3
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: G01M13/045 , G06F30/17 , G06F30/20
Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于频带注意力的度量学习滚动轴承故障诊断方法及系统。所述方法包括获取齿轮箱的故障振动信号并进行小波包分析，生成小波包二维时频数据；采用该时频数据训练深度学习模型VGG，构建故障诊断模型；将改进的频带注意力模块嵌入深度学习模型中；将改进的度量学习模块嵌入深度学习模型中；通过齿轮箱数据验证模型的整体有效性。本发明采用深度学习模型VGG作为故障诊断模型。嵌入改进的频道注意力模块，充分利用了所有通道不同频带的信息；嵌入了改进的度量学习模块，能够有效拉近类内距离，拉大类间距离；两者结合能够有效提升故障诊断的精度。
-
公开(公告)号：CN115479769B
公开(公告)日：2025-03-21
申请号：CN202211147172.2
申请日：2022-09-19
Applicant: 重庆邮电大学
IPC: G01M13/021 , G01M13/028 , G06F18/24 , G06F18/214 , G06F18/213 , G06F18/22 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及故障诊断领域，特别涉及一种基于目标域倾斜对抗网络的行星齿轮箱开放集故障诊断方法，本发明将结合无监督领域中的开放集领域自适应方法与对抗学习中的领域对抗网络，充分利用了无标签目标域故障样本信息，避免了现有开放集故障诊断方法因偏向于有标签源域故障样本而导致的有偏故障预测输出；本发明通过构建目标域倾斜分类器更为清晰地划分目标域中已知故障样本与未知故障样本间的边界，同时输出目标域样本的伪预测来指导目标域倾斜对抗网络的训练，提升开放集故障诊断精度。
-
公开(公告)号：CN119509980A
公开(公告)日：2025-02-25
申请号：CN202411431096.7
申请日：2024-10-14
Applicant: 重庆邮电大学
IPC: G01M13/045 , G01H17/00 , G06F18/241 , G06N3/0464 , G06N3/096 , G06N3/045 , G06N3/084
Abstract: 本发明请求保护一种基于包络谱知识蒸馏的滚动轴承故障诊断方法，其包括以下步骤：获取滚动轴承振动信号并进行样本划分和归一化处理；计算源工况样本的谱峭度，并以此确定包络解调的中心频率和带宽，从而进行包络解调，将解调样本送入教师网络Φ进行预训练；将源工况下原始振动样本和包络谱样本分别输入学生网络Ψ和预训练好的教师网络Φ，提取两个网络学习到的轴承健康状态表示建立包络谱知识蒸馏损失；并计算学生网络的预测损失，跨工况样本概率分布对齐损失以及健康状态表示的多样性损失；进行多损失反向传播，采用Adam优化器优化故障诊断网络的权值和偏置；最后，将目标工况样本输入训练好的故障诊断模型进行性能测试。
-
Patent Agency Ranking
公开(公告)号：CN116628602A
公开(公告)日：2023-08-22
申请号：CN202310592383.5
申请日：2023-05-24
Applicant: 重庆邮电大学
IPC: G06F18/2431 , G06F18/2413 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0895 , G06N3/094 , G06N3/096 , G01M99/00 , G01M13/00
Abstract: 本发明涉及故障诊断领域，特别涉及一种基于类别转移的多源域开放集旋转机械故障诊断方法，本发明结合无监督领域中的多源域深度迁移网络与对抗学习，采用多源故障类别匹配让不同源域中相同故障类型间的故障特征对齐和不同故障类型间的故障特征疏远；在每个源域和目标域间采用对抗学习方法来减小源域和目标域间的域间隙，有效缓解了现有多源域开放集故障诊断方法中因简单融合多源域故障信息导致的不完整和次优解的故障诊断结果；此外，基于多故障分类器综合决策结果，在多源域和目标域间的故障质心表示间构造全局故障对齐来进一步优化故障诊断模型中的共享特征提取器的领域不变故障特征提取能力，进一步提高故障诊断精度。
-
公开(公告)号：CN116089863A
公开(公告)日：2023-05-09
申请号：CN202310071125.2
申请日：2023-01-17
Applicant: 重庆邮电大学
IPC: G06F18/24 , G01M13/045 , G06F18/10 , G06F18/241 , G06F18/214 , G06F18/22
Abstract: 本发明涉及故障诊断领域，具体涉及一种基于尺度自适应度量的滚动轴承故障诊断方法；包括采集多个传感器的振动信号，按等样长度将每一个振动信号切分为故障样本并打上相应的类别标签；采用小波包变换将每一个故障样本都转换为时频谱图，并将时频谱图集合划分为支持集、查询集、测试集；构建尺度自适应度量故障诊断模型，通过支持集、查询集和测试集对故障诊断模型进行训练；所述尺度自适应度量故障诊断模型包括尺度自适应注意力模块和多层级度量模块；获取滚动轴承故障样本数据并且经过处理之后输入到训练好的故障诊断模型中，计算得到故障诊断结果；本发明的方法能够对滚动轴承进行有效地故障诊断。
-
公开(公告)号：CN115541228A
公开(公告)日：2022-12-30
申请号：CN202211233497.2
申请日：2022-10-10
Applicant: 重庆邮电大学
IPC: G01M13/021 , G01M13/028 , G06N3/04 , G06N3/08
Abstract: 本发明涉及故障诊断领域，特别涉及一种风电机组齿轮箱的故障诊断方法包括：采集风电机组齿轮箱的振动信号，将采集到的振动信号按预设长度分割并归一化为故障样本；根据风电机组齿轮箱的历史故障报告对部分故障样本打上故障类别标签；将具有故障类别标签的故障样本划分为支持集、查询集、验证集，并将没有故障类别标签的故障样本作为无标签样本集；构建故障诊断模型，并通过支持集、查询集、验证集与无标签样本集对故障诊断模型进行训练；获取风电机组齿轮箱的目标振动信号，并将风电机组齿轮箱的目标振动信号归一化处理后输入训练好的故障诊断模型计算得到故障诊断结果，通过本发明的方法能够实时对风电机组齿轮箱故障进行诊断。
-
公开(公告)号：CN114813126A
公开(公告)日：2022-07-29
申请号：CN202210364394.3
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: G01M13/045 , G06F30/17 , G06F30/20
Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于频带注意力的度量学习滚动轴承故障诊断方法及系统。所述方法包括获取齿轮箱的故障振动信号并进行小波包分析，生成小波包二维时频数据；采用该时频数据训练深度学习模型VGG，构建故障诊断模型；将改进的频带注意力模块嵌入深度学习模型中；将改进的度量学习模块嵌入深度学习模型中；通过齿轮箱数据验证模型的整体有效性。本发明采用深度学习模型VGG作为故障诊断模型。嵌入改进的频道注意力模块，充分利用了所有通道不同频带的信息；嵌入了改进的度量学习模块，能够有效拉近类内距离，拉大类间距离；两者结合能够有效提升故障诊断的精度。
-
公开(公告)号：CN112518081A
公开(公告)日：2021-03-19
申请号：CN202011211288.9
申请日：2020-11-03
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种多材料金属梯度构件高效成形装置及方法，该装置包括至少三个金属预熔单元，还包括送丝传动装置、四个TIG焊枪头、三维成形平台、气氛保护装置；所述三个金属预熔单元至于整个工作空间的中心位置，各成120度角紧密排列，每个金属预熔单元均有焊丝传送孔；所述四个TIG焊枪头在以预熔单元为中心点划分的四个象限，且处于各象限的角平分线上；三维成形工作平台设置在预熔单元的下方；整个成形过程均在惰性气体的气氛保护下进行。本发明能够实现金属梯度材料构件的高效低成本一体化精准增材制造。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
