一种基于Cycle-GAN的类不平衡条件下航空发动机轴间轴承故障诊断方法

    公开(公告)号:CN119475070A

    公开(公告)日:2025-02-18

    申请号:CN202411751581.2

    申请日:2024-12-02

    Abstract: 本发明公开了一种基于Cycle‑GAN的类不平衡条件下航空发动机轴间轴承故障诊断方法,其具体包括:数据获取与预处理、改进并建立Cycle‑GAN模型、训练改进的Cycle‑GAN模型并完成信号转换、通过Cycle‑GAN模型完成实际振动信号的故障诊断。本发明提出了一种新的基于Cycle‑GAN的故障诊断迁移学习方法,通过改进的Cycle‑GAN模型将已知条件下的信号样本转换为未知条件下的新信号样本,提供数据分布更接近真实信号的转换信号的同时还能确保转换信号保留原始信号中的故障类别信息,解决实际场景中故障数据稀缺的问题,并利用转换信号对分类器进行训练,使得分类器能够区分未知条件下的故障数据。在实际工程应用中,尤其是类不平衡条件下航空发动机轴间轴承故障诊断问题中,本发明具有广阔的应用前景。

    一种基于深度学习的热卷缺陷检测算法

    公开(公告)号:CN119624923A

    公开(公告)日:2025-03-14

    申请号:CN202411751570.4

    申请日:2024-12-02

    Abstract: 本发明在公开了一种基于深度学习的热卷缺陷检测算法。该发明首次提出了一种检测精度与效率皆较优的表面缺陷检测无锚缺陷检测器。该检测器以YOLOv8n为基础,综合利用了首次提出的新的卷积模块、现有的通道与空间注意力机制等深度学习模块或方法,扩大检测头接收域,使算法能够获取更多尺度的特征图以及更大的感受野,调整模型损失迭代算法,并进一步优化了小目标模糊缺陷的通道与空间的权重分配关系。该缺陷探测器不仅在模型参数量上相对其他高效算法取得显著优势,同时在检测帧率上超过了绝大多数算法并达到了实时检测的标准,且在热卷的缺陷检测方面取得了较高精度,具有较广泛的应用前景。

Patent Agency Ranking