公开(公告)号：CN110245595A

公开(公告)日：2019-09-17

申请号：CN201910485583.4

申请日：2019-06-05

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  罗子澳 ,  萧红 ,  于洪 ,  罗久飞

IPC: G06K9/00 ,  G06K9/62 ,  G06K9/68 ,  G01M13/045

Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于时频谱图和二维主成分分析的机械轴承故障诊断方法，包括接收原始信号数据并进行预处理，获得原始信号数据的初始向量；对初始向量进行短时傅里叶变换时频分析，得到原始信号所对应的短时傅里叶变换三维时频谱图；对短时傅里叶变换三维时频谱图进行灰度图转化，得到二维的时频谱图；对二维时频谱图进行维数约减，提取得到二维时频谱图所对应的低维特征矩阵；利用t-sne算法对二维主成分分析的输出矩阵进行二次维数约简处理；采用t-sne算法的输出矩阵训练支持向量机，完成故障诊断模型的构建，输入测试数据即可输出诊断结果；本发明减少了计算时间，并提高机械故障诊断的精度。

公开(公告)号：CN114813126B

公开(公告)日：2025-04-15

申请号：CN202210364394.3

申请日：2022-04-08

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  罗子澳 ,  张小龙 ,  王淑娴 ,  罗茂林

IPC: G01M13/045 ,  G06F30/17 ,  G06F30/20

Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于频带注意力的度量学习滚动轴承故障诊断方法及系统。所述方法包括获取齿轮箱的故障振动信号并进行小波包分析，生成小波包二维时频数据；采用该时频数据训练深度学习模型VGG，构建故障诊断模型；将改进的频带注意力模块嵌入深度学习模型中；将改进的度量学习模块嵌入深度学习模型中；通过齿轮箱数据验证模型的整体有效性。本发明采用深度学习模型VGG作为故障诊断模型。嵌入改进的频道注意力模块，充分利用了所有通道不同频带的信息；嵌入了改进的度量学习模块，能够有效拉近类内距离，拉大类间距离；两者结合能够有效提升故障诊断的精度。

公开(公告)号：CN110657985B

公开(公告)日：2021-07-06

申请号：CN201910961446.3

申请日：2019-10-11

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  罗子澳 ,  于洪 ,  萧红 ,  谢海琼 ,  谭峰

IPC: G01M13/021 ,  G01M13/028 ,  G06K9/00

Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于奇异值谱流形分析的齿轮箱故障诊断方法及系统。方法包括获取齿轮箱的故障振动信号并预处理，形成多个一维原始振动信号数据，进行相空间重构处理，得到多个二维矩阵；对重构的二维矩阵进行奇异值分解，得到二维矩阵的奇异值谱；计算奇异值谱的斜率获得奇异值谱流形特征；采用该特征数据训练支持向量机，构建故障诊断模型；将待测齿轮箱的振动信号数据输入故障诊断模型，输出待测齿轮箱的故障诊断分类结果。本发明采用奇异值谱流形分析来实现对齿轮箱故障数据的特征提取，能够有效提取信号成分的变化趋势，去除噪声的影响，增强特征对故障的表征能力，能够提高齿轮箱故障诊断的精度。

公开(公告)号：CN114813126A

公开(公告)日：2022-07-29

申请号：CN202210364394.3

申请日：2022-04-08

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  罗子澳 ,  张小龙 ,  王淑娴 ,  罗茂林

IPC: G01M13/045 ,  G06F30/17 ,  G06F30/20

Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于频带注意力的度量学习滚动轴承故障诊断方法及系统。所述方法包括获取齿轮箱的故障振动信号并进行小波包分析，生成小波包二维时频数据；采用该时频数据训练深度学习模型VGG，构建故障诊断模型；将改进的频带注意力模块嵌入深度学习模型中；将改进的度量学习模块嵌入深度学习模型中；通过齿轮箱数据验证模型的整体有效性。本发明采用深度学习模型VGG作为故障诊断模型。嵌入改进的频道注意力模块，充分利用了所有通道不同频带的信息；嵌入了改进的度量学习模块，能够有效拉近类内距离，拉大类间距离；两者结合能够有效提升故障诊断的精度。

公开(公告)号：CN110657985A

公开(公告)日：2020-01-07

申请号：CN201910961446.3

申请日：2019-10-11

Applicant: 重庆邮电大学

Inventor： 苏祖强 ,  罗子澳 ,  于洪 ,  萧红 ,  谢海琼 ,  谭峰

IPC: G01M13/021 ,  G01M13/028 ,  G06K9/00

Abstract: 本发明涉及机械故障诊断、模式识别技术等领域，具体为一种基于奇异值谱流形分析的齿轮箱故障诊断方法及系统。方法包括获取齿轮箱的故障振动信号并预处理，形成多个一维原始振动信号数据，进行相空间重构处理，得到多个二维矩阵；对重构的二维矩阵进行奇异值分解，得到二维矩阵的奇异值谱；计算奇异值谱的斜率获得奇异值谱流形特征；采用该特征数据训练支持向量机，构建故障诊断模型；将待测齿轮箱的振动信号数据输入故障诊断模型，输出待测齿轮箱的故障诊断分类结果。本发明采用奇异值谱流形分析来实现对齿轮箱故障数据的特征提取，能够有效提取信号成分的变化趋势，去除噪声的影响，增强特征对故障的表征能力，能够提高齿轮箱故障诊断的精度。