公开(公告)号：CN117909801A

公开(公告)日：2024-04-19

申请号：CN202311498279.6

申请日：2023-11-10

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 孙士龙 ,  丁昊 ,  徐文福

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明提供一种工业机器人关节的少标签振动数据的故障诊断方法，其包括将采集到的原始振动数据进行数据预处理；使用预处理后的数据样本，构建图结构数据；将图结构数据依次进行图卷积、BatchNorm、ReLU、另一层图卷积操作，获得编码后的特征矩阵；将特征矩阵执行解码操作，获得重构邻接矩阵；计算得到损失函数；根据损失函数L进行反向传播，进行编码器的训练；获得训练好的编码器；使用训练好的编码器对图数据进行编码，获得提取到的故障特征；使用提取到的故障特征作为新的样本，加上所有的标签，进行有监督训练；获得故障诊断结果。本发明主要用于在图数据的构建以及有监督的故障特征提取上，可用于少标签样本的故障诊断以及无标签样本的故障特征提取。

公开(公告)号：CN117909801B

公开(公告)日：2024-12-20

申请号：CN202311498279.6

申请日：2023-11-10

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 孙士龙 ,  丁昊 ,  徐文福

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明提供一种工业机器人关节的少标签振动数据的故障诊断方法，其包括将采集到的原始振动数据进行数据预处理；使用预处理后的数据样本，构建图结构数据；将图结构数据依次进行图卷积、BatchNorm、ReLU、另一层图卷积操作，获得编码后的特征矩阵；将特征矩阵执行解码操作，获得重构邻接矩阵；计算得到损失函数；根据损失函数L进行反向传播，进行编码器的训练；获得训练好的编码器；使用训练好的编码器对图数据进行编码，获得提取到的故障特征；使用提取到的故障特征作为新的样本，加上所有的标签，进行有监督训练；获得故障诊断结果。本发明主要用于在图数据的构建以及有监督的故障特征提取上，可用于少标签样本的故障诊断以及无标签样本的故障特征提取。