公开(公告)号：CN113469230B

公开(公告)日：2023-07-07

申请号：CN202110682696.0

申请日：2021-06-17

Applicant: 北京信息科技大学

Inventor： 王红军 ,  刘淑聪 ,  钟建琳 ,  唐竟鹏

IPC: G06F18/2411 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/096 ,  G06N3/084 ,  G01M13/02

Abstract: 本发明涉及一种转子系统深度迁移故障诊断方法、系统及介质，其包括：对WDCNN模型进行预训练，获得预先设定的分类效果后，保存整个WDCNN模型，并给予该模型初始权值；将预训练得到的WDCNN模型迁移至源域，对WDCNN模型进行微调，在预先设置标签的燃气轮机正常数据集上进行训练，更新WDCNN模型权重；在目标域中，利用源域训练的卷积层提取燃气轮机的正常和故障数据样本特征；利用SVM对目标域数据集所有的映射特征进行分类，实现燃气轮机的故障识别。本发明能有效提高故障诊断的精度，有利于解决燃气轮机转子系统正常运行数据多、故障数据少而难以形成均衡类别训练模型的问题。

公开(公告)号：CN113469230A

公开(公告)日：2021-10-01

申请号：CN202110682696.0

申请日：2021-06-17

Applicant: 北京信息科技大学

Inventor： 王红军 ,  刘淑聪 ,  钟建琳 ,  唐竟鹏

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种转子系统深度迁移故障诊断方法、系统及介质，其包括：对WDCNN模型进行预训练，获得预先设定的分类效果后，保存整个WDCNN模型，并给予该模型初始权值；将预训练得到的WDCNN模型迁移至源域，对WDCNN模型进行微调，在预先设置标签的燃气轮机正常数据集上进行训练，更新WDCNN模型权重；在目标域中，利用源域训练的卷积层提取燃气轮机的正常和故障数据样本特征；利用SVM对目标域数据集所有的映射特征进行分类，实现燃气轮机的故障识别。本发明能有效提高故障诊断的精度，有利于解决燃气轮机转子系统正常运行数据多、故障数据少而难以形成均衡类别训练模型的问题。