公开(公告)号：CN116628418A

公开(公告)日：2023-08-22

申请号：CN202310348914.6

申请日：2023-04-03

Applicant: 西南交通大学

Inventor： 蔡振兵 ,  游磊 ,  李珂 ,  聂裕宸 ,  彭雪峰 ,  王战江 ,  唐卓全 ,  左骏红 ,  方修洋

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种基于传感器信号与深度迁移学习的易损件失效预测方法，包括S1、将传感器安装于易损件上的不同位置；S2、接收不同传感器在易损件上采集到的信号；对接收的信号进行数据处理与频谱分析，确定传感器最佳安装位置；S3、将最佳位置采集到信号经过异常值与降噪处理，再提取其不同作用域的特征；S4、采用CNN卷积神经网络、并结合DANN和MMD特征迁移方法构建易损件的深度学习预测模型；S5、采用易损件的深度学习预测模型进行易损件的失效预测。本发明利用迁移学习进行易损件失效预测可以提高预测精度、减少数据需求、加速模型训练，同时实现知识共享，具有很大的应用前景和实际价值。