-
公开(公告)号：CN115221911A
公开(公告)日：2022-10-21
申请号：CN202110404335.X
申请日：2021-04-15
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
Abstract: 本发明提供一种故障诊断方法和装置，该方法包括：对行星齿轮箱的振动信号进行预处理，得到至少两组训练数据；通过至少两组训练数据对目标神经网络模型进行训练，得到至少两个诊断模型，目标神经网络模型包括第一承接层和第二承接层，第一承接层为输出层对输入层的反馈结构，第二承接层为输出层对隐含层的反馈结构；根据集成算法，对至少两个诊断模型进行集成训练，得到集成诊断模型；根据集成诊断模型对行星齿轮箱进行故障诊断。本发明的方案中，通过两个承接层能够提高对行星齿轮箱时序信号的动态处理能力，使得集成诊断模型能够适用不同的运行工况与环境，且通过集成算法对诊断模型进行集成训练，能够保障集成诊断模型的稳定性与诊断准确性。
-
公开(公告)号：CN115392447A
公开(公告)日：2022-11-25
申请号：CN202110564415.1
申请日：2021-05-24
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
Abstract: 本申请提供一种神经网络模型的训练方法及装置，其中，该方法包括：通过第一样本对第一神经网络模型进行训练得到第二神经网络模型的初始化权重；其中，所述第一样本中的数据包括源域中的样本数据；所述源域中的样本数据具有用于标识第一故障类型的第一标签；通过第二样本对第二神经网络模型的初始化权重行调整得到第二神经网络模型的权重；其中，所述第二样本中的数据包括目标域中的样本数据；所述目标域中的样本数据具有用于标识第二故障类型的第二标签；所述第二故障类型不同于所述第一故障类型。通过本申请，解决了现有技术中智能故障诊断技术面对工业实际的训练数据不足的问题。
-
公开(公告)号：CN109460621A
公开(公告)日：2019-03-12
申请号：CN201811353381.6
申请日：2018-11-14
Applicant: 上海交通大学 , 中国电信股份有限公司上海分公司
Abstract: 一种基于改进神经网络的燃气轮机叶片故障检测方法，通过采集燃气轮机工况获取多个周期下的实际运行数据集，经预处理后得到训练集与测试集用于建立Elman神经网络的模型，然后通过对模型优化和训练后，通过优化后的网络模型参数进行燃气轮机叶片的故障检测。本发明采用改进Elman神经网络(OHF Elman神经网络)，得到的结果收敛更快、诊断误差小。
-
-
Search Results
3
records
(took 0.055 seconds)
