公开(公告)号：CN114254669B

公开(公告)日：2024-09-06

申请号：CN202111426438.2

申请日：2021-11-27

Applicant: 郑州轻工业大学

Inventor： 王妍 ,  梁洁 ,  顾晓光 ,  凌丹 ,  王延峰 ,  孙军伟 ,  王英聪 ,  于浩文 ,  潘林帆

IPC: G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G01M13/045 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/048 ,  G06F123/02

Abstract: 本发明提出一种滚动轴承故障诊断中时序周期ResNet网络模型的构建方法，用以解决传统的时间序列分类方法不具备应对滚动轴承复杂的运行环境以及浅层网络结构难以解决复杂非线性信号的故障分类、分类准确度低等技术问题。本发明包括获取多组不同状态的滚动轴承时序数据，并对滚动轴承时序数据预处理，然后将预处理后的滚动轴承时序数据分成多个时序周期片段并进行标签分类，构建时序周期ResNet网络模型提取滚动轴承时序数据的特征进行故障诊断，最后输出滚动轴承故障诊断的分类结果。本发明简化深度学习的运行过程，显著提高轴承数据集的故障诊断精度。

公开(公告)号：CN114254669A

公开(公告)日：2022-03-29

申请号：CN202111426438.2

申请日：2021-11-27

Applicant: 郑州轻工业大学

Inventor： 王妍 ,  梁洁 ,  顾晓光 ,  凌丹 ,  王延峰 ,  孙军伟 ,  王英聪 ,  于浩文 ,  潘林帆

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01M13/045

Abstract: 本发明提出一种滚动轴承故障诊断中时序周期ResNet网络模型的构建方法，用以解决传统的时间序列分类方法不具备应对滚动轴承复杂的运行环境以及浅层网络结构难以解决复杂非线性信号的故障分类、分类准确度低等技术问题。本发明包括获取多组不同状态的滚动轴承时序数据，并对滚动轴承时序数据预处理，然后将预处理后的滚动轴承时序数据分成多个时序周期片段并进行标签分类，构建时序周期ResNet网络模型提取滚动轴承时序数据的特征进行故障诊断，最后输出滚动轴承故障诊断的分类结果。本发明简化深度学习的运行过程，显著提高轴承数据集的故障诊断精度。

公开(公告)号：CN117786490A

公开(公告)日：2024-03-29

申请号：CN202311824759.7

申请日：2023-12-27

Applicant: 郑州轻工业大学

Inventor： 王妍 ,  梁洁 ,  顾晓光 ,  凌丹 ,  于浩文 ,  王新发 ,  孙军伟 ,  王英聪

IPC: G06F18/241 ,  G06F18/22 ,  G06F18/214 ,  G06N3/0464 ,  G01M13/045

Abstract: 本发明提出了一种基于振动和电流双模块滚动轴承故障诊断监控方法，包括离线建模阶段和在线诊断阶段；首先，获取多变量轴承数据，包括电流、扭矩、振动、力和速度五种不同变量的信号类型；其次，构建双模块神经网络模型，将训练样本分解为多个模块，通过分析模块间的相异度、训练样本在模块中的活跃程度和轴承变量间数据的差异构建振动和电流双模块滚动轴承故障诊断模型并进行迭代训练；最后，将测试样本作为优化后的振动和电流双模块滚动轴承故障诊断模型的输入，通过实验给出不同模型和输出形式下的故障诊断结果，完成故障诊断任务。本发明利用双模块结构和三层卷积块构成的故障诊断模型，有效降低模型复杂度，提高诊断网络对特征学习的能力。

公开(公告)号：CN117473380A

公开(公告)日：2024-01-30

申请号：CN202311272535.X

申请日：2023-09-28

Applicant: 郑州轻工业大学

Inventor： 王妍 ,  于浩文 ,  顾晓光 ,  王新发 ,  凌丹 ,  孙军伟 ,  王英聪

IPC: G06F18/241 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/006

Abstract: 本申请公开了一种基于动态蝴蝶优化算法优化CNN的CSTR故障诊断模型的构建与应用，旨在解决现有CSTR故障诊断模型精度不够及人工调参耗时耗力且模型参数结构重用率不高的问题。主要方法步骤包括：CSTR数据采集、预处理，根据故障类型标注标签，构建CSTR数据集；对原始的蝴蝶优化算法进行改进，得到动态蝴蝶优化算法；选择CNN中需要优化的超参数，采用动态蝴蝶优化算法优化超参数，建立基于动态蝴蝶优化算法优化CNN的故障诊断模型；基于该模型进行故障诊断，得出故障诊断结果。本申请采用动态蝴蝶优化算法对CNN的超参数进行优化，提高了CNN的性能，能够有效对CSTR过程进行更加精准的故障诊断，进而保证其在工业生产中的安全性。

公开(公告)号：CN210691528U

公开(公告)日：2020-06-05

申请号：CN202020084006.2

申请日：2020-01-15

Applicant: 郑州轻工业大学

Inventor： 李淮周 ,  曹祥红 ,  王宏 ,  李森 ,  武东辉 ,  于浩文 ,  薛斐

IPC: G08B17/00 ,  G08C17/02 ,  G01D21/02 ,  H04W84/18

Abstract: 本实用新型公开了一种基于热成像和燃气传感器的厨房火灾预警系统，解决了传统的火灾探测系统存在延时，且不能直观、远程感知厨房设备和物体表面温度变化和燃气泄漏的问题，本实用新型包括用于探测厨房内温度的火灾探测模块、用于探测厨房内燃气浓度的燃气探测模块、用于显示温度信息和燃气浓度的显示模块，且显示模块内设有处理器；所述火灾探测模块和燃气探测模块均与显示模块通信连接，且显示模块与后台监控中心相连接。本实用新型通过火灾探测模块和燃气探测模块可以实时探测厨房内的温度和燃气浓度，并通过显示模块和后台监控中心显示异常信息，方便第一时间准确获知厨房异常状态，进而及时采取有效措施降低财产损失。