公开(公告)号：CN116955987A

公开(公告)日：2023-10-27

申请号：CN202310746086.1

申请日：2023-06-21

Applicant: 重庆大学

Inventor： 秦毅 ,  钱泉 ,  毛永芳 ,  王旅

IPC: G06F18/213 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G01M13/00 ,  G01M13/028 ,  G01M13/021 ,  G01M13/045

Abstract: 本发明涉及一种基于方差差异表述指标的机械故障迁移诊断方法，属于机械故障迁移诊断技术领域。该方法包括：S1：通过传感器采集机械设备上的原始振动信号，然后将采集到的原始振动信号利用滑窗采样技术扩充样本；S2：根据方差差异表述指标构建基于一维卷积神经网络的迁移诊断模型；S3：将划分好的训练样本输入到构建好的迁移诊断模型中，利用源域有标签样本的分类损失和源域与无标签目标域之间的分布对齐损失，对构建的迁移诊断模型进行迭代更新训练；S4：经过多次迭代训练，误差曲线趋于稳定，模型训练完成，训练好的迁移诊断模型将用于机械设备的闭集迁移诊断。本发明能提高机械故障迁移诊断的准确性和鲁棒性。

公开(公告)号：CN119779677A

公开(公告)日：2025-04-08

申请号：CN202411778808.2

申请日：2024-12-05

Applicant: 重庆大学

Inventor： 秦毅 ,  王旅 ,  温启军 ,  毛永芳

IPC: G01M13/04 ,  G06F18/2413 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明涉及一种用于缓解hubness问题和复合故障诊断的零样本原型扩展方法及系统，属于机械故障诊断领域。通过轴承故障试验台采集不同类型不同工况的轴承的状态信号样本，设计相应的故障属性原型，对设计的故障属性原型，采用原型扩展核函数映射原型到高维空间，扩大设计的属性原型间的距离，设计神经网络特征提取器，输入单故障信号样本和对应的故障原型进行训练，将复合故障信号输入到训练好的特征提取器中得到属性特征，根据距离推断相应的复合故障类型，采用设计的度量方法评估hubness问题。本发明能够有效缓解hubness问题，提高复合故障诊断的准确性，并且只需要单故障数据即可实现对复合故障的滚动轴承故障诊断。

公开(公告)号：CN118332423A

公开(公告)日：2024-07-12

申请号：CN202410512332.1

申请日：2024-04-26

Applicant: 重庆大学

Inventor： 秦毅 ,  王旅 ,  毛永芳 ,  蒲华燕 ,  罗均 ,  丁星程

IPC: G06F18/2413 ,  G06F18/24 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G01M13/04 ,  G01M13/021

Abstract: 本发明涉及一种基于特征映射sigmoid函数的属性嵌入零样本复合故障诊断方法，属于故障诊断技术领域，包括以下步骤：S1：通过旋转机械试验台采集轴承及齿轮的故障信号样本；S2：针对每类故障信号，根据故障类型和故障频率以及故障幅值特征，设计相应的故障属性原型；S3：构建卷积神经网络，输入单一故障信号样本进行训练；S4：将复合故障信号输入到训练好的卷积神经网络中得到信号特征；S5：通过阈值分类法判别复合故障信号特征的属性；S6：基于欧式距离的最近邻估计方法度量得到的属性和定义的故障属性原型间的距离，根据距离诊断相应的复合故障类型。