公开(公告)号：CN117407669A

公开(公告)日：2024-01-16

申请号：CN202311141772.2

申请日：2023-09-05

Applicant: 西安交通大学

Inventor： 成玮 ,  祝兆伟 ,  刘雪 ,  谢述帅 ,  聂泽琳 ,  陈雪峰 ,  高琳 ,  智一凡 ,  张荣勇

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/2433 ,  G01M13/04

Abstract: 本发明公开了一种基于生成对抗网络的循环水泵导轴承异常检测方法。首先，采集循环水泵导轴承振动信号并进行预处理，其次，构建生成对抗网络模型，从大量健康数据中学习正常信号特征，改进模型的结构和损失函数，缓解传统生成对抗网络在模型训练过程中存在的梯度消失问题，增强模型训练稳定性，再次，联合重构误差和判别器输出概率分布计算异常指标，在不引入人工经验的前提下，增加正常和异常样本的区分度，提高异常检测方法精确率，最后，设定报警阈值筛选异常样本。本发明无需异常数据，切合工程实际背景，对循环水泵导轴承的日常维护和安全运行有重要意义。

公开(公告)号：CN116522237A

公开(公告)日：2023-08-01

申请号：CN202310406829.0

申请日：2023-04-17

Applicant: 西安交通大学 ,  中国核电工程有限公司

Inventor： 刘一龙 ,  李心远 ,  成玮 ,  陈雪峰 ,  赵志斌 ,  张婧 ,  聂洪权 ,  宋磊 ,  黄倩 ,  张敏 ,  孙涛 ,  智一凡 ,  张荣勇 ,  徐钊 ,  马颖菲

IPC: G06F18/2415 ,  G06F18/213 ,  G06F18/2131 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084

Abstract: 本公开揭示了一种基于并行卷积神经网络的滚动轴承故障诊断方法，包括：S100：采集待测滚动轴承的原始振动信号Xio(t)；S200：对原始振动信号Xio(t)进行预处理，获得预处理后的振动信号Xi(t)；S300：对预处理后的振动信号Xi(t)进行第一次重叠采样，以获得第一样本信号xm(t)；S400：对预处理后的振动信号进行第二次重叠采样，以获得第二样本信号ym(t)；S500：基于第一样本信号xm(t)和第二样本信号ym(t)分别获得待测滚动轴承的一维张量集合和二维张量集合；S600：基于待测滚动轴承的一维张量集合和二维张量集合构建融合数据集并输入训练好的并行卷积神经网络，以实现对待测滚动轴承的故障识别。

公开(公告)号：CN117520760A

公开(公告)日：2024-02-06

申请号：CN202311136474.4

申请日：2023-09-05

Applicant: 西安交通大学

Inventor： 成玮 ,  苟芮侨 ,  丁宝庆 ,  刘雪 ,  黄倩 ,  智一凡 ,  陈雪峰 ,  聂泽琳 ,  刘一龙 ,  高琳

IPC: G06F18/20 ,  G06F18/213 ,  G06N3/126 ,  G06N3/006

Abstract: 本发明涉及一种知识数据混合驱动的多通道滑油磨粒异常监测方法，基于专家知识构建磨粒置信规则库；利用运行数据基于三角隶属度和规则激活公式激活磨粒置信规则库不同规则，获得激活权重；基于激活权重并使用证据推理的方式对不同规则进行融合，以得到初步的磨粒异常监测结果；计算初步的磨粒异常监测结果的准确率，并确保准确率达到设定值以上，当监测准确率小于设定值，则输入历史数据，采用序贯最小二乘法对专家知识进行优化；将优化专家知识输入磨粒置信规则库获得优化的磨粒置信规则库，以进行多通道滑油磨粒异常监测。本发明构建了知识驱动和数据驱动的混合驱动模型，可以实现可解释，高可靠，高性能的在线磨粒异常监测。