公开(公告)号：CN118424707A

公开(公告)日：2024-08-02

申请号：CN202410664851.X

申请日：2024-05-27

Applicant: 西安交通大学

Inventor： 温广瑞 ,  邓帅卿 ,  孟璋轩 ,  雷子豪 ,  周浩轩 ,  苏宇 ,  张志芬

IPC: G01M13/045 ,  G06F18/2415 ,  G06F18/2413 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/047

Abstract: 本发明公开了一种航空发动机中介轴承故障诊断方法及相关装置，包括：获取轴承振动信号；利用训练好的轴承故障诊断模型对所述轴承振动信号进行处理，得到诊断结果；所述轴承故障诊断模型为利用训练样本对CSD‑Net网络模型进行训练得到，所述训练样本包括按任意比例构成的轴承故障振动信号和轴承非故障振动信号，所述CSD‑Net网络模型包括基于改进DenseNet网络的特征提取器、故障分类器和自适应代价敏感损失函数，所述基于改进DenseNet网络的特征提取器的激活函数采用SELU激活函数，所述自适应代价敏感损失函数考虑了样本原始分布、样本分类结果评价指标和样本分类难易程度。本发明的目的在于实现对航空发动机中介轴承的准确、高效故障诊断。

公开(公告)号：CN118395148A

公开(公告)日：2024-07-26

申请号：CN202410531721.9

申请日：2024-04-29

Applicant: 西安交通大学

Inventor： 温广瑞 ,  孟璋轩 ,  邓帅卿 ,  雷子豪 ,  周浩轩 ,  苏宇 ,  张志芬

IPC: G06F18/2113 ,  G06F18/2135 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/2337 ,  G06F18/2411 ,  G06F18/2433 ,  G06F18/25 ,  G06N20/10 ,  G01M13/045

Abstract: 本发明公开了一种旋转机械性能退化评估方法、装置、设备及可读存储介质，包括：实时获取旋转机械的振动信号，对所述振动信号构造由时域、频域和时频域组成的第一混合域高维特征集；从所述第一混合域高维特征集中筛选出单调性、趋势性以及鲁棒性均符合指标的特征，形成第二混合域高维特征集；对所述第二混合域高维特征集进行特征融合，得到振动信号的一维退化指标；利用训练好的性能退化评估模型对所述一维退化指标进行评估，得到旋转机械为健康状态或不健康状态；对不健康状态开始时刻以后的一维退化指标进行聚类，得到旋转机械故障程度。本发明的目的在于解决传统指标对退化信息不敏感，鲁棒性差及传统模型自适应性差，准确性低的问题。

公开(公告)号：CN118152883A

公开(公告)日：2024-06-07

申请号：CN202410300728.X

申请日：2024-03-15

Applicant: 西安交通大学

Inventor： 温广瑞 ,  缪政辉 ,  刘子岷 ,  苏宇 ,  雷子豪 ,  许权宁 ,  邓杰伟 ,  齐晓纲 ,  孟璋轩

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明公开了一种轴承故障诊断方法、装置、设备及可读存储介质，包括：将待诊断工况下的振动信号输入训练好的轴承故障诊断模型中，输出故障诊断结果；其中，所述训练好的轴承故障诊断模型的训练方法为：分别将待诊断工况下不同类别仿真故障信息的振动信号和待诊断工况下已知故障信息的振动信号作为源域数据集和目标域数据集；将所述源域数据集作为强化学习算法的输入，自适应搭建得到多个不同的仿真故障诊断模型；利用所述目标域数据集对诊断准确率最佳的仿真故障诊断模型进行训练，得到所述训练好的轴承故障诊断模型。本发明的目的在于解决模拟实验故障数据获取难度大和成本高，直接故障仿真数据导致诊断精度低的问题。

公开(公告)号：CN120046038A

公开(公告)日：2025-05-27

申请号：CN202510117268.1

申请日：2025-01-24

Applicant: 西安交通大学

Inventor： 雷子豪 ,  温广瑞 ,  邓帅卿 ,  雍健 ,  齐晓纲 ,  孟璋轩 ,  苏宇 ,  张志芬

IPC: G06F18/2415 ,  G06F18/2431 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/094 ,  G06N3/096 ,  G01M13/00

Abstract: 本发明公开了一种基于对抗性的联合域自适应图卷积网络的跨领域机械设备故障诊断方法及装置，将待诊断机械设备的振动信号输入至预先训练好的机械设备故障诊断模型，输出诊断结果；其中，机械设备故障诊断模型是采用训练数据训练基于对抗性的联合域自适应图卷积网络得到的，基于对抗性的联合域自适应图卷积网络包括依次连接的具有混合注意力机制的多尺度特征提取模块、图结构特征学习模块和改进的联合域自适应模块，具有混合注意力机制的多尺度特征提取模块包括依次连接的具有三种不同卷积核大小的多尺度卷积层、混合注意力机制模块、三个顺序连接的卷积模块和全连接层；图结构特征学习模块包括图构建模块和双层GCN结构的特征学习模块，图构建模块包括基于内积核的自适应相似图构建模块和图结构特征提取模块；改进的联合域自适应模块所采用的损失函数为改进的联合域自适应损失函数。