公开(公告)号：CN118410429B

公开(公告)日：2025-02-25

申请号：CN202410635788.7

申请日：2024-05-22

Applicant: 燕山大学

Inventor： 董志奎 ,  安会江 ,  吴彦霖 ,  刘刚 ,  潘宏鑫 ,  郭雨萱

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/15 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于多尺度注意力机制的域对抗柱塞泵故障诊断方法。本发明通过构建多尺度残差特征提取网络，提高了模型适应各种故障信息差异的能力；通过构建联合损失函数，减少源域与目标域数据之间的分布差异，提高了网络的域自适应能力。本发明在跨工况及目标域无标签样本情况下可以识别轴向柱塞泵不同故障类型，并能达到较高的故障识别率。

公开(公告)号：CN118551273A

公开(公告)日：2024-08-27

申请号：CN202410891231.X

申请日：2024-07-04

Applicant: 燕山大学

Inventor： 刘思远 ,  向星 ,  尹际雄 ,  张永强 ,  潘宏鑫 ,  马岩 ,  林黄涛

IPC: G06F18/241 ,  G06F18/2433 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明针对深度学习模型在轴向柱塞泵样本不均衡情况下故障诊断性能退化的问题，提出了一种样本非均衡条件下轴向柱塞泵故障诊断方法，涉及故障诊断技术领域。本发明在样本不均衡条件下，能够生成高质量样本以满足训练要求；构建了模型迁移框架，采用预训练‑微调策略，提高了模型在目标域任务中的泛化能力。实验结果表明，本发明有效提高了生成样本的质量，提升了样本不均衡情况下轴向柱塞泵故障识别率。

公开(公告)号：CN118520347A

公开(公告)日：2024-08-20

申请号：CN202410622736.6

申请日：2024-05-20

Applicant: 燕山大学

Inventor： 董志奎 ,  安会江 ,  李亚泽 ,  王建鹏 ,  潘宏鑫

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/21 ,  G06F18/25 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种柱塞泵滑靴故障诊断方法，属于故障检测技术领域，本发明基于卷积神经网络、密集连接网络和注意力机制等深度学习基本理论，结合滑靴故障诊断的特点，采用SDP图像变换的方法进行信号处理工作，并对传统DenseNet121网络进行了多方面改进来搭建故障诊断模型，所搭建的深度学习网络相较于传统的故障诊断模型具有较高的准确率，能够很好的满足故障诊断任务要求。

公开(公告)号：CN118410429A

公开(公告)日：2024-07-30

申请号：CN202410635788.7

申请日：2024-05-22

Applicant: 燕山大学

Inventor： 董志奎 ,  安会江 ,  吴彦霖 ,  刘刚 ,  潘宏鑫 ,  郭雨萱

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/15 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于多尺度注意力机制的域对抗柱塞泵故障诊断方法。本发明通过构建多尺度残差特征提取网络，提高了模型适应各种故障信息差异的能力；通过构建联合损失函数，减少源域与目标域数据之间的分布差异，提高了网络的域自适应能力。本发明在跨工况及目标域无标签样本情况下可以识别轴向柱塞泵不同故障类型，并能达到较高的故障识别率。