公开(公告)号：CN117760731B

公开(公告)日：2024-07-12

申请号：CN202311752424.9

申请日：2023-12-19

Applicant: 江南大学

Inventor： 王志国 ,  路近 ,  刘飞

IPC: G01M13/045 ,  G06F18/241 ,  G06F18/214 ,  G06N3/0464

Abstract: 本发明提供一种基于Soft‑IntroVAE和1D‑2DA‑FCNN的不平衡样本滚动轴承故障诊断方法及系统，涉及故障检测技术领域，该方法包括利用传感器采样各类故障的振动信号；对传感器采集到的振动信号进行重叠采样，并通过FFT变换将一维时序数据转化为一维时频数据；将不均衡的训练数据样本输入到Soft‑IntroVAE样本生成模型中进行样本增广，并将增广后的数据与原始训练数据进行融合，构建新的平衡训练集；将平衡训练数据样本输入到1D‑2DA‑FCNN轴承故障诊断模型中进行训练；将测试数据样本输入训练好的1D‑2DA‑FCNN轴承故障诊断模型进行特征提取，并进行分类，输出分类结果。本发明在数据不均衡情况下，能够显著提高轴承故障诊断的准确率。

公开(公告)号：CN117760731A

公开(公告)日：2024-03-26

申请号：CN202311752424.9

申请日：2023-12-19

Applicant: 江南大学

Inventor： 王志国 ,  路近 ,  刘飞

IPC: G01M13/045 ,  G06F18/241 ,  G06F18/214 ,  G06N3/0464

Abstract: 本发明提供一种基于Soft‑IntroVAE和1D‑2DA‑FCNN的不平衡样本滚动轴承故障诊断方法及系统，涉及故障检测技术领域，该方法包括利用传感器采样各类故障的振动信号；对传感器采集到的振动信号进行重叠采样，并通过FFT变换将一维时序数据转化为一维时频数据；将不均衡的训练数据样本输入到Soft‑IntroVAE样本生成模型中进行样本增广，并将增广后的数据与原始训练数据进行融合，构建新的平衡训练集；将平衡训练数据样本输入到1D‑2DA‑FCNN轴承故障诊断模型中进行训练；将测试数据样本输入训练好的1D‑2DA‑FCNN轴承故障诊断模型进行特征提取，并进行分类，输出分类结果。本发明在数据不均衡情况下，能够显著提高轴承故障诊断的准确率。