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

    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

    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。

    一种基于NC代码触发的机床多源数据采集系统及方法

    公开(公告)号:CN110737243A

    公开(公告)日:2020-01-31

    申请号:CN201911012085.4

    申请日:2019-10-23

    Abstract: 本发明提出了一种基于NC代码触发的机床多源数据采集系统及方法,采集系统包括数控系统数据采集模块、外加传感器数据采集模块和工控机,其中工控机上安装有NC代码监听模块和时间配准模块;采集方法包括设置采集标志码、触发采集判定、多源数据采集、数据时间配准等步骤;当机床运行到采集标志码所在的目标加工程序时,采集系统能够自动触发机床数控和外加传感器数据的采集,并对多源传感器数据进行时间配准和存储。本发明解决了数控系统与外加传感器数据由于孤立采集,难以保障多源数据时间同步的难题。

    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

    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

    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。

    一种基于NC代码触发的机床多源数据采集系统及方法

    公开(公告)号:CN110737243B

    公开(公告)日:2022-02-15

    申请号:CN201911012085.4

    申请日:2019-10-23

    Abstract: 本发明提出了一种基于NC代码触发的机床多源数据采集系统及方法,采集系统包括数控系统数据采集模块、外加传感器数据采集模块和工控机,其中工控机上安装有NC代码监听模块和时间配准模块;采集方法包括设置采集标志码、触发采集判定、多源数据采集、数据时间配准等步骤;当机床运行到采集标志码所在的目标加工程序时,采集系统能够自动触发机床数控和外加传感器数据的采集,并对多源传感器数据进行时间配准和存储。本发明解决了数控系统与外加传感器数据由于孤立采集,难以保障多源数据时间同步的难题。

Patent Agency Ranking