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

Inventor： 于重重 ,  宁亚倩 ,  秦勇 ,  谢涛

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：CN106326929B

公开(公告)日：2019-08-02

申请号：CN201610718350.0

申请日：2016-08-24

Applicant: 北京工商大学 ,  北京交通大学

Inventor： 于重重 ,  杨飞 ,  秦勇 ,  程晓卿 ,  崔世杰

IPC: G06K9/62

Abstract: 本发明公布了一种新的轨道列车走行部滚动轴承故障诊断方法，通过提出基于指数平滑预测的滑动时间窗分割算法，实现局部频谱的特征提取，结合改进的Adaboost算法，对轨道交通列车走行部转向架滚动轴承进行故障诊断。利用本发明提供的技术方案，可以有效地对轨道列车走行部非线性非平稳实时振动数据进行分割，并由此构建局部频谱图，选取局部频谱区间的中间点频率作为该样本的特征向量，为分类器提供了更加准确的输入，在滚动轴承故障诊断方面有很高的准确性，有效地保证故障分类的准确性，解决了现有方法准确率低、故障分类难的问题。

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

Inventor： 于重重 ,  宁亚倩 ,  秦勇 ,  谢涛

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：CN106776534B

公开(公告)日：2020-02-11

申请号：CN201610995636.3

申请日：2016-11-11

Applicant: 北京工商大学 ,  北京交通大学

Inventor： 潘博 ,  于重重 ,  赵霞 ,  秦勇

IPC: G06F40/30 ,  G06N20/00

Abstract: 本发明公布了一种词向量模型的增量式学习方法，该方法采用的超参数包括：向量维度、反例样本个数范围、文本窗口长度；针对一篇新增文本text，通过对新增文本中出现的新词进行初始化更新和基于历史词表word_list的反例采样，对词向量模型进行动态更新，完成向量模型优化，从而实现对新增文本text进行增量式学习；采用本发明技术方案，能够避免对历史数据进行重复性学习，大幅减少计算复杂度；而随着数据量增大，本发明还能保持较高的学习效率，从而满足在线系统的效率需求。

公开(公告)号：CN106776534A

公开(公告)日：2017-05-31

申请号：CN201610995636.3

申请日：2016-11-11

Applicant: 北京工商大学 ,  北京交通大学

Inventor： 潘博 ,  于重重 ,  赵霞 ,  秦勇

IPC: G06F17/27 ,  G06N99/00

Abstract: 本发明公布了一种词向量模型的增量式学习方法，该方法采用的超参数包括：向量维度、反例样本个数范围、文本窗口长度；针对一篇新增文本text，通过对新增文本中出现的新词进行初始化更新和基于历史词表word_list的反例采样，对词向量模型进行动态更新，完成向量模型优化，从而实现对新增文本text进行增量式学习；采用本发明技术方案，能够避免对历史数据进行重复性学习，大幅减少计算复杂度；而随着数据量增大，本发明还能保持较高的学习效率，从而满足在线系统的效率需求。

公开(公告)号：CN106326929A

公开(公告)日：2017-01-11

申请号：CN201610718350.0

申请日：2016-08-24

Applicant: 北京工商大学 ,  北京交通大学

Inventor： 于重重 ,  杨飞 ,  秦勇 ,  程晓卿 ,  崔世杰

IPC: G06K9/62

CPC classification number: G06K9/6218 ,  G06K9/6227 ,  G06K9/6256 ,  G06K9/6267

Abstract: 本发明公布了一种新的轨道列车走行部滚动轴承故障诊断方法，通过提出基于指数平滑预测的滑动时间窗分割算法，实现局部频谱的特征提取，结合改进的Adaboost算法，对轨道交通列车走行部转向架滚动轴承进行故障诊断。利用本发明提供的技术方案，可以有效地对轨道列车走行部非线性非平稳实时振动数据进行分割，并由此构建局部频谱图，选取局部频谱区间的中间点频率作为该样本的特征向量，为分类器提供了更加准确的输入，在滚动轴承故障诊断方面有很高的准确性，有效地保证故障分类的准确性，解决了现有方法准确率低、故障分类难的问题。