-
公开(公告)号：CN117131408A
公开(公告)日：2023-11-28
申请号：CN202311119360.9
申请日：2023-08-31
Applicant: 西安交通大学
IPC: G06F18/24 , G06N3/0464 , G06N3/082 , G06F18/213 , G06F18/214
Abstract: 一种基于事件相机与脉冲神经网络的变工况机械故障诊断方法，首先采用事件相机对旋转机械的振动信号进行异步采集，从而获得旋转机械的原始事件流数据；其次通过原始事件流数据构建脉冲数据表征；再次通过脉冲数据表征构建脉冲事件数据集；之后构建卷积形式的脉冲神经网络智能诊断模型，并且将脉冲事件数据集的训练集送入智能诊断模型进行训练，以获得深层的脉冲特征表示；然后压缩其在时间维度上的特征，分别计算各项损失，优化并且更新模型的参数，直至模型收敛；本发明可以从不同的工况下中提取域不变特征，而无需目标域机器故障数据，并且节省了深度智能诊断模型的计算量，提升了深度智能诊断模型在实际工程场景中的适用性。
-
公开(公告)号：CN117649554A
公开(公告)日：2024-03-05
申请号：CN202311624722.X
申请日：2023-11-30
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/049 , G06N3/084
Abstract: 一种动态视觉赋能的非接触式装备迁移故障诊断方法，先使用事件相机非接触式采集装备振动的动态视觉数据；然后对动态视觉数据进行划分，构建初始智能诊断数据集；再建立面向动态视觉数据的跨领域扩散生成模型，对目标域缺失的故障数据进行补充生成；然后建基于类脑计算技术的动态视觉数据特征提取与装备故障模式智能识别的智能诊断模型，并且将最终智能诊断数据集中训练集输入智能诊断模型进行训练，以获得深层特征表示；再分别计算各项损失，迭代并且更新优化智能诊断模型的参数，直至训练完成，获得最终智能诊断模型；最后将测试集输入最终智能诊断模型，获得测试集数据对应类别的标签；本发明实现非接触式机械装备智能迁移故障诊断。
-
公开(公告)号：CN116843662A
公开(公告)日：2023-10-03
申请号：CN202310843067.0
申请日：2023-07-10
Applicant: 西安交通大学
Abstract: 一种基于动态视觉与类脑计算的非接触式故障诊断方法，首先采用事件相机采集旋转机械的健康状态信息，对采集的事件流数据进行区域筛选，将筛选后事件流数据转化为脉冲神经网络读取的脉冲数据；然后将样本对应的标签与样本进行关联，构建旋转机械智能诊断数据集，划分训练集与测试集；再构建用于提取旋转机械脉冲数据特征的脉冲神经网络，并且将旋转机械智能诊断数据集送入进行深层特征提取；最后将深层旋转机械健康状态脉冲数据表征与对应标签计算MSE损失，并且通过损失函数更新对应的模型参数；本发明完善了类脑计算式的深度学习方法在旋转机械故障诊断中的应用流程，为智能诊断模型在边缘计算硬件上的部署提供了思路。
-
公开(公告)号：CN116380466A
公开(公告)日：2023-07-04
申请号：CN202310473322.7
申请日：2023-04-27
Applicant: 西安交通大学
IPC: G01M13/045
Abstract: 基于增强事件视觉数据的滚动轴承智能故障诊断方法及系统，先采用事件相机作为传感器对滚动轴承的健康状态进行非接触式的采集；根据目标区域对原始事件流数据进行筛选，通过处理转化为事件帧数据，并且结合扩散模型进行数据增强处理，之后根据轴承的健康状态为增强数据标注了对应的标签，将数据集划分为训练与测试数据集，对测试数据集进行加噪处理；再将训练数据集以及对应的标签输入卷积神经网络模型进行训练，构建事件帧数据与对应标签之间的映射关系；最后根据事件帧数据与对应标签的映射关系模型，对滚动轴承的健康状态进行诊断；本发明能够适配非接触式传感器实现滚动轴承的故障诊断，并且提高了使用事件数据进行故障诊断的精度与泛化性能。
-
-
-
Search Results
4
records
(took 0.016 seconds)
