公开(公告)号：CN114997216B

公开(公告)日：2024-08-16

申请号：CN202210526887.2

申请日：2022-05-16

Applicant: 电子科技大学

Inventor： 刘欣刚 ,  黄增名 ,  姚佳敏 ,  蒋翔宇 ,  贺鸿程 ,  张立澄

IPC: G06F18/25 ,  G06F18/213 ,  G06F18/24 ,  G06F18/23

Abstract: 本发明属于轴承故障识别领域，具体提供一种基于张量多模态特征高阶匹配的轴承故障识别方法，用以对轴承振动多属性信号进行故障状态分析。本发明利用张量数据，根据实际应用场景中不同阶所代表属性之间的联系将各个阶分为不同的阶组，对张量进行多模态奇异值分解；对检测对象求其特征空间中的特征张量，对特征张量使用张量距离进行高阶匹配，进而判定其多属性，完成轴承故障的识别。本发明提供的多模态奇异值分解方法能够更加有效地将多个属性在分解中通过多模乘运算关联起来，能够更加充分地获取数据之间多个模态的联系，与基于张量距离的高阶匹配方法结合起来能够更加充分地利用信号的多属性特征，获得更好的故障状态识别效果。

公开(公告)号：CN114997216A

公开(公告)日：2022-09-02

申请号：CN202210526887.2

申请日：2022-05-16

Applicant: 电子科技大学

Inventor： 刘欣刚 ,  黄增名 ,  姚佳敏 ,  蒋翔宇 ,  贺鸿程 ,  张立澄

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明属于轴承故障识别领域，具体提供一种基于张量多模态特征高阶匹配的轴承故障识别方法，用以对轴承振动多属性信号进行故障状态分析。本发明利用张量数据，根据实际应用场景中不同阶所代表属性之间的联系将各个阶分为不同的阶组，对张量进行多模态奇异值分解；对检测对象求其特征空间中的特征张量，对特征张量使用张量距离进行高阶匹配，进而判定其多属性，完成轴承故障的识别。本发明提供的多模态奇异值分解方法能够更加有效地将多个属性在分解中通过多模乘运算关联起来，能够更加充分地获取数据之间多个模态的联系，与基于张量距离的高阶匹配方法结合起来能够更加充分地利用信号的多属性特征，获得更好的故障状态识别效果。

公开(公告)号：CN114998648B

公开(公告)日：2024-07-23

申请号：CN202210526868.X

申请日：2022-05-16

Applicant: 电子科技大学

Inventor： 刘欣刚 ,  狄玉洁 ,  欧阳智强 ,  蒋翔宇 ,  贺鸿程 ,  冯承霖

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明公开一种基于梯度架构搜索的表现预测压缩方法，属于神经网络压缩与加速技术领域，通过在图像分类训练集中进行搜索训练，通过softmax函数将搜索空间松弛为连续，采用放射缩放变换在保证优化结果不变的情况下，解决内点优化问题，以提高网络模型的鲁棒性，产生梯度优化网络模型；之后以准确率为基准对梯度优化网络模型进行训练，根据表现情况进行排序，并与图像分类验证集进行比较以评估网络性能，迭代更新梯度优化网络结构，以减少训练时间并提高网络精度，最后对所得梯度优化网络结构进行离散化微调和剪枝微调，从而在图像分类任务中实现轻量化网络结构的压缩。

公开(公告)号：CN114998648A

公开(公告)日：2022-09-02

申请号：CN202210526868.X

申请日：2022-05-16

Applicant: 电子科技大学

Inventor： 刘欣刚 ,  狄玉洁 ,  欧阳智强 ,  蒋翔宇 ,  贺鸿程 ,  冯承霖

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于梯度架构搜索的表现预测压缩方法，属于神经网络压缩与加速技术领域，通过在图像分类训练集中进行搜索训练，通过softmax函数将搜索空间松弛为连续，采用放射缩放变换在保证优化结果不变的情况下，解决内点优化问题，以提高网络模型的鲁棒性，产生梯度优化网络模型；之后以准确率为基准对梯度优化网络模型进行训练，根据表现情况进行排序，并与图像分类验证集进行比较以评估网络性能，迭代更新梯度优化网络结构，以减少训练时间并提高网络精度，最后对所得梯度优化网络结构进行离散化微调和剪枝微调，从而在图像分类任务中实现轻量化网络结构的压缩。