公开(公告)号：CN119740067A

公开(公告)日：2025-04-01

申请号：CN202411695275.1

申请日：2024-11-25

Applicant: 中国矿业大学

Inventor： 俞啸 ,  王荣振 ,  徐峥 ,  徐鸿洋 ,  高伟山

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/042 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明公开了一种基于辅助生成网络和域对抗图网络的故障诊断方法，属于故障诊断技术领域，针对样本不平衡问题，提出基于ACGAN的样本生成网络ICGAN，提高生成网络对指定类别样本的生成质量；接着设计了基于全局注意力和八度卷积的故障样本时频图生成网络GAMICGAN，通过引入全局注意力机制(GAM)使得生成网络更加关注时频图中空间、通道和维度信息，进一步优化生成网络结构；最后针对变工况场景下传感数据分布差异导致的诊断模型准确率下降问题，结合图卷积网络GCN，提出了一种联合分布域对抗网络的故障域适应诊断方法GIC‑JDAGCN，结果表明，GIC‑JDAGCN在变工况应用中可以保持较高的诊断准确率，具有良好的工况场景适应能力。

公开(公告)号：CN119669833A

公开(公告)日：2025-03-21

申请号：CN202411837191.7

申请日：2024-12-13

Applicant: 中国矿业大学

Inventor： 俞啸 ,  王荣振 ,  孙凯 ,  孙莉 ,  徐峥 ,  卓帅

IPC: G06F18/24 ,  G01R31/34 ,  G01D21/02 ,  G06N3/0475 ,  G06N3/094 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0464 ,  G06F30/23 ,  G06F18/25

Abstract: 本发明公开了一种经验知识和数据融合驱动的电机负荷故障诊断方法，包括：构建电流/振动信号的经验知识特征空间，获得若干仿真信号样本；将所述仿真信号样本输入改进的生成网络DDGAN进行处理，获得扩充后的仿真信号样本，将实际故障样本和所述扩充后的仿真信号样本进行联合，获得故障信号样本；构建ICNLCNDTL诊断模型，将所述故障样本信号输入至所述ICNLCNDTL诊断模型进行诊断处理，获得电流信号诊断结果和振动信号诊断结果；通过多传感信号协同融合的电机复合故障诊断模型对所述电流信号诊断结果和振动信号诊断结果进行融合，完成最终的融合判识，获得故障诊断结果。本发明进一步提高了复合故障跨域诊断性能。

公开(公告)号：CN117932390A

公开(公告)日：2024-04-26

申请号：CN202311450367.9

申请日：2023-11-03

Applicant: 中国矿业大学

Inventor： 俞啸 ,  王颂丞 ,  徐鸿洋 ,  王荣振 ,  夏冰

IPC: G06F18/24 ,  G01M13/04 ,  G01M13/045 ,  G06F18/25 ,  G06F18/15 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种基于注意力机制与DCGAN融合的振动信号分析诊断方法，涉及故障诊断领域；首先设计一种适用于振动信号的无损、可逆的信号‑图像处理方法，将振动信号转换为振动图像；然后为了让模型更关注振动信号中的重要信息，采用混合注意力机制从通道和空间维度增强数据表现力，给予输入样本中的故障特征信息更高的权重；最后，利用注意力机制和DCGAN网络学习振动图像中的故障特征，生成具备真实故障特性的生成样本，提高深度生成对抗网络的特征提取能力，进而指导故障诊断模型训练。本发明所提出的故障诊断方法通过在MFS‑RDS数据集设计的故障诊断任务证明了本发明对不平衡数据集增广方法的可行性和有效性，在样本不平衡的情况下诊断准确率良好。