-
公开(公告)号：CN109872004B
公开(公告)日：2021-06-04
申请号：CN201910175092.X
申请日：2019-03-08
Applicant: 北京工商大学
Abstract: 本发明公布了一种基于模糊贝叶斯网络的设备故障预测与健康评估方法，包括：提取设备的主要故障，将连续生产工序上各单机设备故障之间的相互作用对系统的影响量化为故障损失度，构建模糊贝叶斯网络，实现设备故障预测与健康评估。本发明方法能够充分利用设备的故障信息、发现有代表性的故障，使设备故障预测结果更加准确，并能够通过故障损失度使健康评估更符合实情，设计合理、操作简便，具有广泛的应用价值。
-
公开(公告)号：CN112084974B
公开(公告)日：2023-04-25
申请号：CN202010960108.0
申请日：2020-09-14
Applicant: 北京工商大学
IPC: G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08 , G01M13/045
Abstract: 本发明公布了一种基于元学习的多标签滚动轴承故障诊断方法，构建滚动轴承的多标签故障数据集，并按故障类别划分为训练集和测试集；提取故障信号的时频签名矩阵特征T‑FSMs；建立基于元学习的多标签卷积神经网络模型MLCML；利用训练集样本训练MLCML模型；使用测试集样本验证训练好的MLCML模型；利用训练好的模型进行小样本多标签滚动轴承的故障诊断。本发明方法充分利用滚动轴承故障样本包含的多重语义，使故障诊断结果更加准确，同时能够通过时频签名矩阵特征和元学习策略更好的解决滚动轴承实际故障诊断中的小样本问题，设计合理、操作简便，具有广泛的应用价值。
-
公开(公告)号：CN112084974A
公开(公告)日：2020-12-15
申请号：CN202010960108.0
申请日：2020-09-14
Applicant: 北京工商大学
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明公布了一种基于元学习的多标签滚动轴承故障诊断方法，构建滚动轴承的多标签故障数据集，并按故障类别划分为训练集和测试集；提取故障信号的时频签名矩阵特征T‑FSMs；建立基于元学习的多标签卷积神经网络模型MLCML；利用训练集样本训练MLCML模型；使用测试集样本验证训练好的MLCML模型；利用训练好的模型进行小样本多标签滚动轴承的故障诊断。本发明方法充分利用滚动轴承故障样本包含的多重语义，使故障诊断结果更加准确，同时能够通过时频签名矩阵特征和元学习策略更好的解决滚动轴承实际故障诊断中的小样本问题，设计合理、操作简便，具有广泛的应用价值。
-
公开(公告)号：CN109872004A
公开(公告)日：2019-06-11
申请号：CN201910175092.X
申请日：2019-03-08
Applicant: 北京工商大学
Abstract: 本发明公布了一种基于模糊贝叶斯网络的设备故障预测与健康评估方法，包括：提取设备的主要故障，将连续生产工序上各单机设备故障之间的相互作用对系统的影响量化为故障损失度，构建模糊贝叶斯网络，实现设备故障预测与健康评估。本发明方法能够充分利用设备的故障信息、发现有代表性的故障，使设备故障预测结果更加准确，并能够通过故障损失度使健康评估更符合实情，设计合理、操作简便，具有广泛的应用价值。
-
-
-
Search Results
4
records
(took 0.014 seconds)
