公开(公告)号：CN113554075A

公开(公告)日：2021-10-26

申请号：CN202110784624.7

申请日：2021-07-12

Applicant: 安徽容知日新科技股份有限公司

Inventor： 汪湘湘 ,  朱非白 ,  许启发 ,  范振华 ,  王勇 ,  谢天明

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了生成故障分类模型的方法和确定旋转设备故障类型的方法，以及用于执行上述方法的计算设备。其中，生成故障分类模型的方法包括步骤：获取原始旋转设备对应的源域数据以及目标旋转设备对应的目标域数据作为训练数据，源域数据具有故障类型标签；将训练数据输入预训练的故障分类模型中进行处理，以输出源域数据对应的预测故障类型、源域数据的预测领域、目标域数据的预测领域；通过计算源域数据对应的预测故障类型与故障类型标签之间的第一损失函数、预测领域与领域标签之间的第二损失函数、源域数据的分布与目标域数据的分布之间的第三损失函数，来更新故障分类模型的参数，直到满足预定条件时，训练结束，得到训练后的故障分类模型。

公开(公告)号：CN113569486A

公开(公告)日：2021-10-29

申请号：CN202110876571.1

申请日：2021-07-30

Applicant: 安徽容知日新科技股份有限公司

Inventor： 王勇 ,  汪湘湘 ,  陈浩 ,  许启发 ,  程启亮

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F111/08

Abstract: 本发明公开了一种工业设备的故障检测方法，在计算设备中执行，该方法包括：获取待检测设备运行时预设时长内的振动数据的频谱；将振动数据的频谱进行归一化处理，得到振动数据的归一化频谱；将振动数据的归一化频谱输入到训练好的故障检测模型中进行处理，得到待检测设备的故障类别。其中，故障检测模型基于度量元学习模型构建。这样，在小样本情况下本发明的故障检测方法也可以获得很好的故障检测效果，从而可以提高小样本下故障检测的准确率。