公开(公告)号：CN116361710B

公开(公告)日：2025-04-11

申请号：CN202310343609.8

申请日：2023-04-03

Applicant: 重庆邮电大学

Inventor： 邓聪颖 ,  李茂银 ,  苗建国 ,  孙惠娟 ,  禄盛 ,  罗久飞 ,  邓子豪

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种基于双流注意力机制和循环自编码器的半监督故障诊断方法，属于工业过程领域，将故障数据预处理后，利用插入了双流注意力机制的循环自编码器无监督提取无标签、有标签样本特征，并在充分训练后的循环自编码器的编码器后，接入了一层全连接分类层构成分类器，使用有标签样本对该分类器进行微调，最终得到期望分类器，避免了在标注数据不足的情况下训练故障分类器时的过拟合问题。双流注意力机制能够提高模型的特征提取能力，循环自编码器能够提高半监督故障诊断方法的分类精度，且拥有更强的泛化性，训练的模型在跨工况上准确率也更高。

公开(公告)号：CN116415191A

公开(公告)日：2023-07-11

申请号：CN202310394896.5

申请日：2023-04-13

Applicant: 重庆邮电大学

Inventor： 邓聪颖 ,  叶波 ,  苗建国 ,  邓子豪 ,  林丽君 ,  孙惠娟

IPC: G06F18/2415 ,  G06F18/2131 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/088 ,  G06N3/096

Abstract: 本发明涉及一种基于SSAE的数控铣削多工况表面粗糙度在线预测方法，属于机械加工技术领域，包括以下步骤：S1：采集并处理铣削力信号；S2：构建基于“在线信号特征+离线工艺参数”的联合特征数据集；S3：建立并训练基于堆叠稀疏自编码网络SSAE的表面粗糙度在线预测模型；S4：设计基于模型迁移与微调策略的迁移学习框架；S5：在刀具与工件材料变换的多工况场景下，模拟目标工况中样本数量有限的场景；S6：实现刀具与工件材料变换下的多工况表面粗糙度在线预测。

公开(公告)号：CN116361710A

公开(公告)日：2023-06-30

申请号：CN202310343609.8

申请日：2023-04-03

Applicant: 重庆邮电大学

Inventor： 邓聪颖 ,  李茂银 ,  苗建国 ,  孙惠娟 ,  禄盛 ,  罗久飞 ,  邓子豪

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种基于双流注意力机制和循环自编码器的半监督故障诊断方法，属于工业过程领域，将故障数据预处理后，利用插入了双流注意力机制的循环自编码器无监督提取无标签、有标签样本特征，并在充分训练后的循环自编码器的编码器后，接入了一层全连接分类层构成分类器，使用有标签样本对该分类器进行微调，最终得到期望分类器，避免了在标注数据不足的情况下训练故障分类器时的过拟合问题。双流注意力机制能够提高模型的特征提取能力，循环自编码器能够提高半监督故障诊断方法的分类精度，且拥有更强的泛化性，训练的模型在跨工况上准确率也更高。