-
公开(公告)号：CN118114140A
公开(公告)日：2024-05-31
申请号：CN202311644085.2
申请日：2023-12-04
Applicant: 重庆邮电大学
IPC: G06F18/2415 , G06F18/214 , G06F18/213 , G06N3/045 , G06N3/047 , G06N3/0464 , G06N3/048 , G06N3/096 , G01H17/00
Abstract: 本发明属于故障诊断领域，具体涉及一种基于分布投影重放的旋转机械故障诊断方法；该方法包括：获取基类训练数据集和类增量训练数据集；初始化分布投影重放类增量故障诊断模型，分布投影重放类增量故障诊断模型包括投影网络和嵌入网络；将基类训练数据集输入到分布投影重放类增量故障诊断模型中进行基类训练；将类增量训练数据集输入到基类训练后的分布投影重放类增量故障诊断模型中进行类增量训练，完成模型训练，得到训练好的分布投影重放类增量故障诊断模型；获取待诊断的旋转机械振动数据并将其输入到训练好的分布投影重放类增量故障诊断模型中，得到故障诊断结果；本发明的方法能有效对类增量任务实现故障诊断。
-
公开(公告)号：CN115859146A
公开(公告)日：2023-03-28
申请号：CN202211454945.1
申请日：2022-11-21
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06F18/214 , G01M13/021 , G01M13/028
Abstract: 本发明涉及故障诊断领域，特别涉及一种基于噪声标签鲁棒的联合子域网络齿轮箱故障诊断方法，本发明将结合无监督领域中的深度子域自适应网络与标签噪声表征学习，提出基于噪声标签鲁棒的联合子域网络齿轮箱故障诊断方法；通过深度子域自适应网络实现跨域条件下不同故障类型间的细粒度局部对齐而非全局对齐；同时，通过引入标签噪声表征学习到联合子域网络中，有效缓解了故障诊断过程中因标记故障样本的可识别性差或错误标记而产生的噪声标签问题，进一步提高故障诊断精度。
-
公开(公告)号：CN115479769A
公开(公告)日：2022-12-16
申请号：CN202211147172.2
申请日：2022-09-19
Applicant: 重庆邮电大学
IPC: G01M13/021 , G01M13/028 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及故障诊断领域，特别涉及一种基于目标域倾斜对抗网络的行星齿轮箱开放集故障诊断方法，本发明将结合无监督领域中的开放集领域自适应方法与对抗学习中的领域对抗网络，充分利用了无标签目标域故障样本信息，避免了现有开放集故障诊断方法因偏向于有标签源域故障样本而导致的有偏故障预测输出；本发明通过构建目标域倾斜分类器更为清晰地划分目标域中已知故障样本与未知故障样本间的边界，同时输出目标域样本的伪预测来指导目标域倾斜对抗网络的训练，提升开放集故障诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN114239384A
公开(公告)日：2022-03-25
申请号：CN202111429337.0
申请日：2021-11-29
Applicant: 重庆邮电大学
Abstract: 发明涉及仿真分析技术领域，具体涉及一种基于非线性度量原型网络的滚动轴承故障诊断方法，包括构建级联注意原型非线性度量网络，并对构建的网络进行分类训练，将带诊断的数据进行数据处理后输入训练好的级联注意原型非线性度量网络，输出诊断结果；本发明通过原型计算模块提取特征图，同时对支撑集特征计算原型，在级联注意力模块里将查询样本特征与各类原型一一拼接，然后通过级联注意力机制提取拼接样本的长距离相关性，最后将级联注意力模块提取的特征输入非线性度量模块，从而实现小样本条件下准确有效的轴承故障诊断。
-
公开(公告)号：CN115479769B
公开(公告)日：2025-03-21
申请号：CN202211147172.2
申请日：2022-09-19
Applicant: 重庆邮电大学
IPC: G01M13/021 , G01M13/028 , G06F18/24 , G06F18/214 , G06F18/213 , G06F18/22 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及故障诊断领域，特别涉及一种基于目标域倾斜对抗网络的行星齿轮箱开放集故障诊断方法，本发明将结合无监督领域中的开放集领域自适应方法与对抗学习中的领域对抗网络，充分利用了无标签目标域故障样本信息，避免了现有开放集故障诊断方法因偏向于有标签源域故障样本而导致的有偏故障预测输出；本发明通过构建目标域倾斜分类器更为清晰地划分目标域中已知故障样本与未知故障样本间的边界，同时输出目标域样本的伪预测来指导目标域倾斜对抗网络的训练，提升开放集故障诊断精度。
-
公开(公告)号：CN114239384B
公开(公告)日：2024-10-18
申请号：CN202111429337.0
申请日：2021-11-29
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/214 , G06F18/25 , G06N3/0464 , G06F18/243
Abstract: 发明涉及仿真分析技术领域，具体涉及一种基于非线性度量原型网络的滚动轴承故障诊断方法，包括构建级联注意原型非线性度量网络，并对构建的网络进行分类训练，将带诊断的数据进行数据处理后输入训练好的级联注意原型非线性度量网络，输出诊断结果；本发明通过原型计算模块提取特征图，同时对支撑集特征计算原型，在级联注意力模块里将查询样本特征与各类原型一一拼接，然后通过级联注意力机制提取拼接样本的长距离相关性，最后将级联注意力模块提取的特征输入非线性度量模块，从而实现小样本条件下准确有效的轴承故障诊断。
-
公开(公告)号：CN116956127A
公开(公告)日：2023-10-27
申请号：CN202310899676.8
申请日：2023-07-21
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0475 , G06N3/084 , G06N3/096
Abstract: 本发明涉及故障诊断领域，特别涉及一种通用跨域旋转机械故障诊断方法。所述方法包括首先，通过采用对抗训练策略来实现不同领域间的域不变故障特征学习；其次，提出了一种基于证据的故障分类器。该分类器借助于证据学习理论，通过综合考虑故障样本预测的置信度和不确定度来对目标域中的已知故障类型进行故障分类；然后，提出了一种基于证据分数未知评估机制来识别目标域中潜在的未知故障类型；最后，在一个轴承故障数据集和一个齿轮箱故障数据集上构建多种标签空间关系场景下的跨域故障诊断任务，将所提方法与其他跨域故障诊断方法进行实验对比，并证明了所提出方法的有效性和优越性。
-
公开(公告)号：CN116628602A
公开(公告)日：2023-08-22
申请号：CN202310592383.5
申请日：2023-05-24
Applicant: 重庆邮电大学
IPC: G06F18/2431 , G06F18/2413 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0895 , G06N3/094 , G06N3/096 , G01M99/00 , G01M13/00
Abstract: 本发明涉及故障诊断领域，特别涉及一种基于类别转移的多源域开放集旋转机械故障诊断方法，本发明结合无监督领域中的多源域深度迁移网络与对抗学习，采用多源故障类别匹配让不同源域中相同故障类型间的故障特征对齐和不同故障类型间的故障特征疏远；在每个源域和目标域间采用对抗学习方法来减小源域和目标域间的域间隙，有效缓解了现有多源域开放集故障诊断方法中因简单融合多源域故障信息导致的不完整和次优解的故障诊断结果；此外，基于多故障分类器综合决策结果，在多源域和目标域间的故障质心表示间构造全局故障对齐来进一步优化故障诊断模型中的共享特征提取器的领域不变故障特征提取能力，进一步提高故障诊断精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
