公开(公告)号：CN114722952B

公开(公告)日：2023-05-26

申请号：CN202210416390.5

申请日：2022-04-20

Applicant: 哈尔滨工业大学

Inventor： 张九思 ,  李翔 ,  罗浩 ,  张可 ,  安翼尧 ,  田纪伦 ,  尹珅

IPC: G06F18/2415 ,  G06F30/27 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于表示学习的轴承故障检测和分类的一体化方法，本发明涉及轴承故障检测和分类的一体化方法。本发明的目的是为了解决现有采用数据驱动的方法进行轴承故障诊断过程中，获得大量的轴承故障样本是十分困难的，以及为不同的故障类型的数据设计准确的标签存在很大的限制的问题。过程为：1、提取轴承的振动数据；2、特征提取：从时域、频域2个角度提取数据的特征；3、搭建故障检测神经网络：故障检测神经网络包括编码器、噪声引入、自注意力机制层以及解码器；4、训练故障检测神经网络；5、搭建故障分类神经网络；6、训练故障分类神经网络；7、在线故障检测与故障分类。本发明用于轴承故障诊断与人工智能相结合的学科交叉领域。

公开(公告)号：CN114722952A

公开(公告)日：2022-07-08

申请号：CN202210416390.5

申请日：2022-04-20

Applicant: 哈尔滨工业大学

Inventor： 张九思 ,  李翔 ,  罗浩 ,  张可 ,  安翼尧 ,  田纪伦 ,  尹珅

IPC: G06K9/62 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于表示学习的轴承故障检测和分类的一体化方法，本发明涉及轴承故障检测和分类的一体化方法。本发明的目的是为了解决现有采用数据驱动的方法进行轴承故障诊断过程中，获得大量的轴承故障样本是十分困难的，以及为不同的故障类型的数据设计准确的标签存在很大的限制的问题。过程为：1、提取轴承的振动数据；2、特征提取：从时域、频域2个角度提取数据的特征；3、搭建故障检测神经网络：故障检测神经网络包括编码器、噪声引入、自注意力机制层以及解码器；4、训练故障检测神经网络；5、搭建故障分类神经网络；6、训练故障分类神经网络；7、在线故障检测与故障分类。本发明用于轴承故障诊断与人工智能相结合的学科交叉领域。