公开(公告)号：CN113988126B

公开(公告)日：2024-04-16

申请号：CN202111245670.6

申请日：2021-10-26

Applicant: 哈尔滨理工大学

Inventor： 康守强 ,  李玉 ,  王玉静 ,  王庆岩 ,  梁欣涛 ,  杨得济

IPC: G06F18/213 ,  G06V10/774 ,  G06V10/82 ,  G06F18/24 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于少标签数据特征迁移的滚动轴承故障诊断方法，用以解决现有滚动轴承故障诊断模型的训练数据中由于源域数据和目标域数据分布差异大且源域数据缺少大量带标记数据而导致模型分类准确率不高的问题。本发明的技术要点包括：引入原型对比学习进行域适应，建立基于原型域适应的故障诊断模型；提出将Res2Net结构中增加CBAM注意力机制模块，并进一步更换特征提取网络的激活函数，提高深度网络对滚动轴承数据特征提取能力，最终实现少标记数据变负载情况下滚动轴承不同状态的诊断。本发明方法在滚动轴承变负载条件下具备较好的分类性能，可以很好地解决所采集的振动数据正常状态与故障状态的数据分布不平衡问题且具有良好的泛化性能。

公开(公告)号：CN113988126A

公开(公告)日：2022-01-28

申请号：CN202111245670.6

申请日：2021-10-26

Applicant: 哈尔滨理工大学

Inventor： 康守强 ,  李玉 ,  王玉静 ,  王庆岩 ,  梁欣涛 ,  杨得济

IPC: G06K9/00 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于少标签数据特征迁移的滚动轴承故障诊断方法，用以解决现有滚动轴承故障诊断模型的训练数据中由于源域数据和目标域数据分布差异大且源域数据缺少大量带标记数据而导致模型分类准确率不高的问题。本发明的技术要点包括：引入原型对比学习进行域适应，建立基于原型域适应的故障诊断模型；提出将Res2Net结构中增加CBAM注意力机制模块，并进一步更换特征提取网络的激活函数，提高深度网络对滚动轴承数据特征提取能力，最终实现少标记数据变负载情况下滚动轴承不同状态的诊断。本发明方法在滚动轴承变负载条件下具备较好的分类性能，可以很好地解决所采集的振动数据正常状态与故障状态的数据分布不平衡问题且具有良好的泛化性能。

公开(公告)号：CN118035844A

公开(公告)日：2024-05-14

申请号：CN202410231247.8

申请日：2024-02-29

Applicant: 哈尔滨理工大学

Inventor： 康守强 ,  杨得济 ,  王玉静 ,  王庆岩 ,  刘欢 ,  梁欣涛

IPC: G06F18/241 ,  G06F18/23 ,  G06F18/27 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/088 ,  G06N3/098

Abstract: 一种二次聚合个性化联邦的滚动轴承寿命预测方法及系统，涉及滚动轴承寿命预测技术领域。本发明是针对不同工况下滚动轴承振动数据分布差异大，单一用户数据量少且多个用户间数据不共享的问题而提出的。该方法用不同深度的自编码器提取多尺度特征信息并压缩为散点图，实现特征增强；利用无监督二元回归模型确定第一预测时间，构建分段退化标签；提出二次聚合个性化联邦学习算法，各用户构建改进的CNN‑LSTM模型，并将其参数上传至服务端，服务端采用多任务学习框架，一次聚合多用户同种工况模型参数；在此基础上，利用批量归一化层参数统计信息计算一次聚合模型间相似度，引入权重更新机制指导模型参数二次聚合，减少不同工况模型间的负迁移现象并学习有益的全局知识，最终形成针对各工况的个性化预测模型。经实验验证，所提方法在保障数据隐私的前提下，可实现不同工况下滚动轴承寿命预测，预测平均得分与集中式学习方法相当、相较于联邦平均算法提升0.2197。