公开(公告)号：CN111562110A

公开(公告)日：2020-08-21

申请号：CN202010449011.3

申请日：2020-05-25

Applicant: 南京理工大学

Inventor： 李恒 ,  尹晨 ,  王禹林 ,  何健梁 ,  向倍辰 ,  房启成

IPC: G01M13/045 ,  G01M13/00 ,  G06N3/04

Abstract: 本发明提出了一种基于卷积神经网络的故障诊断模型及跨部件故障诊断方法。首先分别采集机械部件A正常和故障状态下的运行数据，利用正交优化设计方法和一维卷积神经网络构建出一系列用于机械部件A故障诊断的诊断模型，基于正交优化实验结果进一步从这些模型中分析得出部件A的最优故障诊断模型；然后，基于网络模型重用的迁移学习方法进行跨部件的故障诊断建模，以逐层适配的方式迁移部件A最优故障诊断模型的权重，构造一系列用于部件B故障诊断的迁移诊断模型；最后，利用机械部件B的数据对所有迁移诊断模型进行再训练，通过对比迁移诊断模型的正确率，获得机械部件B的最优故障诊断模型，实现基于正交优化卷积神经网络和迁移学习的跨部件故障诊断。

公开(公告)号：CN111562110B

公开(公告)日：2021-02-26

申请号：CN202010449011.3

申请日：2020-05-25

Applicant: 南京理工大学

Inventor： 李恒 ,  尹晨 ,  王禹林 ,  何健梁 ,  向倍辰 ,  房启成

IPC: G01M13/045 ,  G01M13/00 ,  G06N3/04

Abstract: 本发明提出了一种基于卷积神经网络的故障诊断模型及跨部件故障诊断方法。首先分别采集机械部件A正常和故障状态下的运行数据，利用正交优化设计方法和一维卷积神经网络构建出一系列用于机械部件A故障诊断的诊断模型，基于正交优化实验结果进一步从这些模型中分析得出部件A的最优故障诊断模型；然后，基于网络模型重用的迁移学习方法进行跨部件的故障诊断建模，以逐层适配的方式迁移部件A最优故障诊断模型的权重，构造一系列用于部件B故障诊断的迁移诊断模型；最后，利用机械部件B的数据对所有迁移诊断模型进行再训练，通过对比迁移诊断模型的正确率，获得机械部件B的最优故障诊断模型，实现基于正交优化卷积神经网络和迁移学习的跨部件故障诊断。