-
Patent Agency Ranking
公开(公告)号：CN114091204B
公开(公告)日：2024-12-24
申请号：CN202111414202.7
申请日：2021-11-25
Applicant: 重庆大学
IPC: G06F30/17 , G06F18/2321 , G06F111/08 , G06F119/02
Abstract: 本发明公开了一种基于高斯重合度指标的轴承健康指标构建方法及系统，该方法包括：获取轴承全生命周期的样本数据集；样本数据集包括N个数据样本点，且每个数据样本点均为轴承的振动信号；基于样本数据集，采用高斯混合模型评估H个标准数据样本点，得到高斯基准分布；标准数据样本点为轴承健康状态时的数据样本点；采用高斯混合模型评估剩余数据样本点，得到每个剩余数据样本点的高斯分布；剩余数据样本点为在样本数据集中，除H个标准数据样本点以外的数据样本点；计算高斯基准分布与每个高斯分布的高斯重合度，进而得到能衡量轴承退化程度的健康指标。本发明能够无人为干扰且低成本的确定轴承的健康指标。
-
公开(公告)号：CN113837071B
公开(公告)日：2024-02-02
申请号：CN202111113786.4
申请日：2021-09-23
Applicant: 重庆大学
IPC: G06F18/2413 , G06F18/213 , G06N3/0464 , G06N3/082 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/096
Abstract: 本发明涉及一种基于多尺度权重选择对抗网络的部分迁移故障诊断方法，属于机械故障诊断技术领域。该方法包括：S1：采集待测设备在不同工况下的原始振动信号，并扩充故障样本数据集，并将其分为训练样本和测试样本；S2：利用深度学习构建MDAN；S3：构建多尺度权重选择机制；S4：结合多尺度权重选择机制和MDAN构建MWSAN；S5：将步骤S1的训练样本输入到构建好的MWSAN中，利用多尺度分类损失函数和域判别损失函数对MWSAN进行迭代优化训练；S6：将步骤S1的测试样本输入训练完成后的MWSAN，对待测设备进行(56)对比文件Quan Qian等.Partial Transfer FaultDiagnosis by Multiscale Weight-SelectionAdversarial Network《.IEEE/ASMETransactions on Mechatronics》.2022,第27卷(第6期),4798-4806.Quan Qian等.An enhanced deep jointdistribution alignment mechanism forplanetary gearbox fault transferdiagnosis《.2023 Prognostics and HealthManagement Conference (PHM)》.2023,90-94.Weihua Li等.A Novel WeightedAdversarial Transfer Network for PartialDomain Fault Diagnosis of Machinery《.IEEETransactions on Industrial Informatics》.2020,第17卷(第3期),1753-1762.Jinyang Jiao等.Multi-Weight DomainAdversarial Network for Partial-SetTransfer Diagnosis《.IEEE Transactions onIndustrial Electronics》.2021,第69卷(第4期),4275-4284.
-
公开(公告)号：CN113837071A
公开(公告)日：2021-12-24
申请号：CN202111113786.4
申请日：2021-09-23
Applicant: 重庆大学
Abstract: 本发明涉及一种基于多尺度权重选择对抗网络的部分迁移故障诊断方法，属于机械故障诊断技术领域。该方法包括：S1：采集待测设备在不同工况下的原始振动信号，并扩充故障样本数据集，并将其分为训练样本和测试样本；S2：利用深度学习构建MDAN；S3：构建多尺度权重选择机制；S4：结合多尺度权重选择机制和MDAN构建MWSAN；S5：将步骤S1的训练样本输入到构建好的MWSAN中，利用多尺度分类损失函数和域判别损失函数对MWSAN进行迭代优化训练；S6：将步骤S1的测试样本输入训练完成后的MWSAN，对待测设备进行部分迁移故障诊断。本发明提高了故障诊断的精度。
-
公开(公告)号：CN115204292A
公开(公告)日：2022-10-18
申请号：CN202210830736.6
申请日：2022-07-14
Applicant: 重庆大学
Abstract: 本申请提供一种基于PSFEN的跨设备振动故障迁移诊断方法，步骤为：采集源域数据集Ds和目标域数据集Dt，并分别划分为训练集和测试集；构建基于PSFEN的跨设备振动故障迁移诊断模型，所述诊断模型模型包括由特征提取器1、特征提取器2构成的伪孪生特征提取器；将划分的源域训练集和目标域训练集分别输入特征提取器1、特征提取器2中，对PSFEN交替进行整体训练和对抗训练，直到损失曲线趋于平稳收敛；将目标域数据集的测试集输入训练好的诊断模型中，进行故障诊断。本申请利用伪孪生特征提取器分别提取源域和目标域的特征，从而获得两个域的一些排他特征，再通过减小域间损失训练网络，让两个域在特征层分布接近，以实现域适应。
-
公开(公告)号：CN114091204A
公开(公告)日：2022-02-25
申请号：CN202111414202.7
申请日：2021-11-25
Applicant: 重庆大学
IPC: G06F30/17 , G06K9/62 , G06F111/08 , G06F119/02
Abstract: 本发明公开了一种基于高斯重合度指标的轴承健康指标构建方法及系统，该方法包括：获取轴承全生命周期的样本数据集；样本数据集包括N个数据样本点，且每个数据样本点均为轴承的振动信号；基于样本数据集，采用高斯混合模型评估H个标准数据样本点，得到高斯基准分布；标准数据样本点为轴承健康状态时的数据样本点；采用高斯混合模型评估剩余数据样本点，得到每个剩余数据样本点的高斯分布；剩余数据样本点为在样本数据集中，除H个标准数据样本点以外的数据样本点；计算高斯基准分布与每个高斯分布的高斯重合度，进而得到能衡量轴承退化程度的健康指标。本发明能够无人为干扰且低成本的确定轴承的健康指标。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
