公开(公告)号：CN118779730B

公开(公告)日：2025-01-10

申请号：CN202411276744.6

申请日：2024-09-12

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  全红玮 ,  苏文涛

IPC: G06F18/241 ,  G06F18/22 ,  G06N3/0895

Abstract: 本发明公开了一种设备未知工况下基于自监督单域泛化的故障诊断方法，通过自监督对比学习框架，提取振动信号特征，解决了现有诊断模型在复杂工况中泛化能力不足的问题。该方法包括以下步骤：获得轴承振动信号数据。预处理振动信号，分割训练集和测试集。构建数据增强库。构建自监督学习框架，以对比为目标解决实例分类问题。对振动信号进行数据增强。使用动量对比对模型进行训练，得到特征提取器并微调。应用训练好的模型对新振动信号进行分类，得到其健康状态类型。本发明降低了获取故障标签的成本，提升了诊断模型在复杂工况中的适用性。

公开(公告)号：CN118779730A

公开(公告)日：2024-10-15

申请号：CN202411276744.6

申请日：2024-09-12

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  全红玮 ,  苏文涛

IPC: G06F18/241 ,  G06F18/22 ,  G06N3/0895

Abstract: 本发明公开了一种设备未知工况下基于自监督单域泛化的故障诊断方法，通过自监督对比学习框架，提取振动信号特征，解决了现有诊断模型在复杂工况中泛化能力不足的问题。该方法包括以下步骤：获得轴承振动信号数据。预处理振动信号，分割训练集和测试集。构建数据增强库。构建自监督学习框架，以对比为目标解决实例分类问题。对振动信号进行数据增强。使用动量对比对模型进行训练，得到特征提取器并微调。应用训练好的模型对新振动信号进行分类，得到其健康状态类型。本发明降低了获取故障标签的成本，提升了诊断模型在复杂工况中的适用性。