-
公开(公告)号：CN113933055A
公开(公告)日：2022-01-14
申请号：CN202111169511.2
申请日：2021-10-08
Applicant: 重庆邮电大学
IPC: G01M13/045
Abstract: 本发明属于故障诊断、机械动力学及信号处理技术领域，涉及一种滚动轴承滚道缺陷尺寸量化方法、装置及系统；所述方法包括采集故障滚动轴承振动加速度信号；采用自回归模型增强故障振动特征；提取滚动体与缺陷区域前边沿相互作用激起的局部振动加速度信号，对其拟合并求积分得到振动速度信号；利用该振动速度信号的拐点建立函数关系式，得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；对自回归振动特征增强后的信号进行包络提取，得到第二和第三关键时间信息；将各关键时间信息输入滚动轴承缺陷尺寸量化模型，解得滚动轴承滚道缺陷尺寸。本发明能有效增强滚动轴承缺陷量化方法的鲁棒性，并提高尺寸量化的精度和准确性。
-
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：CN116956127A
公开(公告)日：2023-10-27
申请号：CN202310899676.8
申请日：2023-07-21
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0475 , G06N3/084 , G06N3/096
Abstract: 本发明涉及故障诊断领域，特别涉及一种通用跨域旋转机械故障诊断方法。所述方法包括首先，通过采用对抗训练策略来实现不同领域间的域不变故障特征学习；其次，提出了一种基于证据的故障分类器。该分类器借助于证据学习理论，通过综合考虑故障样本预测的置信度和不确定度来对目标域中的已知故障类型进行故障分类；然后，提出了一种基于证据分数未知评估机制来识别目标域中潜在的未知故障类型；最后，在一个轴承故障数据集和一个齿轮箱故障数据集上构建多种标签空间关系场景下的跨域故障诊断任务，将所提方法与其他跨域故障诊断方法进行实验对比，并证明了所提出方法的有效性和优越性。
-
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：CN114970615A
公开(公告)日：2022-08-30
申请号：CN202210517768.0
申请日：2022-05-12
Applicant: 重庆邮电大学
IPC: G06K9/00 , G01M13/045
Abstract: 本发明涉及一种滚动轴承外圈缺陷尺寸量化估计方法，属于机械故障诊断技术领域，通过加速度传感器拾取故障滚动轴承振动信号，运用AR模型对拾取的振动信号进行降噪并增强故障冲击特征，利用VMD技术，确定并提取振动信号中映射于滚动体‑缺陷前边沿开始作用时所对应的时间信息；运用互相关与包络技术提取滚动体即将脱离缺陷区前边沿所对应的时刻信息；通过微分理论与高通滤波方法提取滚动体撞击缺陷区后边沿时所对应的时刻信息；围绕滚动体‑缺陷接触诱发的多冲击事件激励，分析滚动体‑缺陷接触几何位置关系，基于动力学等理论，建立滚动轴承外圈缺陷尺寸宽度估计模型，输入关键时间信息，实现外圈缺陷尺寸估计。
-
公开(公告)号：CN113921108A
公开(公告)日：2022-01-11
申请号：CN202111169458.6
申请日：2021-10-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及数据处理领域，涉及一种弹性带抗阻训练力数据的自动分割方法；所述方法包括通过力传感器采集弹性带抗阻力数据；根据训练周期长度将力数据划分为具有多个重复周期的数据段；在每一个重复周期所对应的数据段中，将该数据段的力数据对时间求导，获得对应的力导数，并计算出力导数的最大值和最小值；以力导数的最大值和最小值为限制条件，将力数据分割为同心收缩阶段、偏心收缩阶段、等长收缩阶段和休息阶段，并获得各个阶段下对应的参数数据。本发明可自动分割弹性带抗阻训练力数据，并获得重复次数以及肌肉在不同张紧状态下的持续时间等参数，增强了抗阻训练力数据的分割效率，能够保证数据分割的准确性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.028 seconds)
