公开(公告)号：CN117744483B

公开(公告)日：2024-06-07

申请号：CN202311740455.2

申请日：2023-12-18

Applicant: 南京工业大学

Inventor： 王村松 ,  赵春旭 ,  张泉灵 ,  张登峰 ,  彭浩 ,  张梦怡 ,  周通 ,  何文敏

IPC: G06F30/27 ,  G01M13/045 ,  G06F30/23 ,  G06F30/17 ,  G06F18/25 ,  G06F18/24 ,  G06F18/214 ,  G06N3/045 ,  G06N3/048 ,  G06N3/094 ,  G06N3/084 ,  G06F111/04

Abstract: 本发明涉及基于孪生信息模型和实测数据融合的轴承故障诊断方法，包括：对采集的实测数据集和仿真数据集分别进行数据样本标注标签得到实测振动数据集X和仿真振动数据集Y，通过数据预处理得到最优孪生模型；分析固有的故障特征频率来验证最优孪生模型有效性并判断故障类型；将X和Y输入GANs中进行增强和特征融合，获得特征的融合孪生数据集，将融合孪生数据集和实测振动数据集进行结合，得到混合数据集XA；将混合数据集XA输入Transformer故障诊断模型中进行特征提取，通过分类器实现轴承的故障诊断。本发明克服了故障数据不足、物理损伤实验成本高以及缺少仿真数据与实测数据的有效融合，导致故障诊断数据特征不够全面的问题，为制造产线的故障诊断提供了技术参考。

公开(公告)号：CN117744483A

公开(公告)日：2024-03-22

申请号：CN202311740455.2

申请日：2023-12-18

Applicant: 南京工业大学

Inventor： 王村松 ,  赵春旭 ,  张泉灵 ,  张登峰 ,  彭浩 ,  张梦怡 ,  周通 ,  何文敏

IPC: G06F30/27 ,  G01M13/045 ,  G06F30/23 ,  G06F30/17 ,  G06F18/25 ,  G06F18/24 ,  G06F18/214 ,  G06N3/045 ,  G06N3/048 ,  G06N3/094 ,  G06N3/084 ,  G06F111/04

Abstract: 本发明涉及基于孪生信息模型和实测数据融合的轴承故障诊断方法，包括：对采集的实测数据集和仿真数据集分别进行数据样本标注标签得到实测振动数据集X和仿真振动数据集Y，通过数据预处理得到最优孪生模型；分析固有的故障特征频率来验证最优孪生模型有效性并判断故障类型；将X和Y输入GANs中进行增强和特征融合，获得特征的融合孪生数据集，将融合孪生数据集和实测振动数据集进行结合，得到混合数据集XA；将混合数据集XA输入Transformer故障诊断模型中进行特征提取，通过分类器实现轴承的故障诊断。本发明克服了故障数据不足、物理损伤实验成本高以及缺少仿真数据与实测数据的有效融合，导致故障诊断数据特征不够全面的问题，为制造产线的故障诊断提供了技术参考。