-
公开(公告)号：CN118070048B
公开(公告)日：2024-07-30
申请号：CN202410503347.1
申请日：2024-04-25
申请人： 山东大学
IPC分类号： G06F18/213 , G06N3/0464 , G06N3/09
摘要： 本发明属于故障诊断技术领域，提供了一种基于领域泛化的故障诊断方法及系统，包括：获取多个源域的机械振动信号；提取每个源域的基于领域泛化的特征增广的机械振动信号特征；采用内置随机感受野层的图卷积网络提取每个源域的信号特征，将所提取到的每个源域的特征映射到多个不同的特征空间，得到基于领域泛化的特征增广的机械振动信号特征；根据所提取到的基于领域泛化的特征增广的机械振动信号特征进行信号的故障诊断，得到故障预测结果。本发明无需额外的数据生成技术直接增加源域的多样性，提高了在未知目标域进行故障诊断的精度，同时提高故障诊断的鲁棒性。
-
公开(公告)号：CN118193935A
公开(公告)日：2024-06-14
申请号：CN202410344908.8
申请日：2024-03-25
申请人： 山东大学
IPC分类号： G06F18/00 , G06F18/10 , G06F18/25 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0442 , G06N3/049 , G06N3/08 , G01M13/045
摘要： 本发明提出了基于注意力机制的双通道特征融合轴承设备故障诊断方法，包括：采集轴承的振动信号，将振动信号分割为多个数据段；将分割后的数据输入至训练后的网络模型中，输出对应的故障类别；其中，训练后的网络模型中对输入的数据分别独立经过双通道进行特征提取，具体为：利用卷积神经网络通道提取轴承振动信号的信息特征，同时利用双向长短时记忆网络通道提取时序特征；对两个通道提取的特征向量进行细粒度特征级融合，随后输出至由全连接层和softmax构造的的故障分类层，输出对应的故障类别。
-
公开(公告)号：CN118094334A
公开(公告)日：2024-05-28
申请号：CN202410267825.3
申请日：2024-03-08
申请人： 山东大学
IPC分类号： G06F18/241 , G01M13/04 , G01M13/045 , G06F18/25 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455
摘要： 本发明提出了基于交叉注意力的多尺度特征的轴承故障诊断方法及系统，包括：获取轴承上的多种类型的传感器数据，将每种类型的一维传感器数据分割成设定大小的数据段并转换成二维灰度图像数据；将预处理后的多种类型的传感器的二维灰度图像数据分别输入至MMCTN模型的各个基于交叉注意力的多尺度特征提取模块；每个基于交叉注意力的多尺度特征提取模块对所接收的该类型传感器的二维灰度图像数据按不同尺度进行特征提取，并利用交叉注意力机制进行不同尺度间特征融合，获得特征向量；将提取的特征向量在特征层进行元素级细粒度特征融合操作，以获得多源信号的融合特征；基于获得多源信号的融合特征进行故障分类，输出故障类别。
-
公开(公告)号：CN116027204A
公开(公告)日：2023-04-28
申请号：CN202310132158.3
申请日：2023-02-20
申请人： 山东大学
IPC分类号： G01R31/367
摘要： 本发明属于电池寿命预测技术领域，为了解决锂电池剩余使用寿命的预测精度低的问题，提供了一种基于数据融合的锂电池剩余使用寿命预测方法及装置。其中，基于数据融合的锂电池剩余使用寿命预测方法包括获取若干个历史周期的电压序列数据、电流序列数据、温度序列数据、时间序列数据和电容序列数据，经预处理后得到充电阶段输入数据和放电阶段输入数据；基于充电阶段输入数据和放电阶段输入数据以及训练好的寿命预测模型，得到锂电池电容预测值，再将其与阈值电容比较来判断锂电池的使用寿命。其利用两个U‑Net网络提取传感器数据矩阵获取中间层特征，再与电池使用的历史容量信息结合送入决策层，提高了锂电池剩余使用寿命预测精度。
-
公开(公告)号：CN115952442A
公开(公告)日：2023-04-11
申请号：CN202310218371.6
申请日：2023-03-09
申请人： 山东大学
IPC分类号： G06F18/241 , G06F18/214 , G06F18/21 , G06N20/20
摘要： 本发明属于故障诊断领域，提供一种基于全局鲁棒加权的联邦域泛化故障诊断方法及系统，包括每个所述源域客户端利用本地源域训练数据集训练接收到全局模型，并更新参数以形成新的本地模型；源域客户端将更新后的本地模型、提取的网络特征以及标签发送给中心服务器；中心服务器基于提取的网络特征，以不同分类器对不同特征的分类结果为性能度量，并以分类损失计算权重进行模型聚合；中心服务器将聚合后的全局模型发送到目标域客户端进行故障诊断。本发明的全局鲁棒加权策略在进行本地模型聚合时，不同本地模型的分类网络对不同本地模型的特征提取网络提取的特征进行分类，每个本地模型在进行聚合时的权重与分类结果有直接关系。
-
公开(公告)号：CN115328691A
公开(公告)日：2022-11-11
申请号：CN202211256431.5
申请日：2022-10-14
申请人： 山东大学
摘要： 本发明涉及故障诊断技术领域，提供了基于模型差异的故障诊断方法、系统、存储介质及设备，包括：在每次迭代训练中，每个源域客户端基于加权分类损失、模型域分类损失和特征距离测量损失的加权和，使用本地训练数据集训练全局模型，使用添加噪声的本地数据集训练本地模型，更新全局模型和本地模型；中心服务器进行全局模型参数平均，更新全局模型；在迭代训练结束后，中心服务器发送全局模型至目标域客户端；目标域客户端基于待诊断的机械故障数据，通过中心服务器发送的全局模型，得到故障诊断结果。增强了模型对噪声有更强的鲁棒性，在保证本地模型和全局模型差异的基础上实现特征空间对齐，而且提高了泛化能力。
-
公开(公告)号：CN114580087B
公开(公告)日：2022-08-02
申请号：CN202210483195.4
申请日：2022-05-06
申请人： 山东大学
摘要： 本发明提出了一种船载设备的联邦剩余使用寿命预测方法、装置及系统，属于机器学习技术领域，解决了数据样本量少、多用户的样本分散导致的无法实现对船载设备的剩余使用寿命的精确预测的问题，包括：构建基于机器学习的剩余使用寿命预测模型；联邦训练时，技术中心服务器接收所有参与方的N组加密梯度，并利用保有的私钥进行解密得到梯度；对解密得到的梯度进行聚类并筛选，用筛选后的梯度对模型进行参数更新；利用训练完成的基于机器学习的剩余使用寿命预测模型对处于运行状态的船载设备实时进行剩余使用寿命预测及预警潜在的设备故障。实现对在运行的船载设备提供实时剩余使用寿命预测、智能预警潜在的设备故障。
-
公开(公告)号：CN114818996A
公开(公告)日：2022-07-29
申请号：CN202210738070.1
申请日：2022-06-28
申请人： 山东大学
摘要： 本发明公开了一种基于联邦域泛化的机械故障诊断方法及系统，涉及故障诊断技术领域，在训练阶段，中心服务器首先随机初始化全局模型并将其发送给所有客户端。第二步，客户端使用自己的训练数据集独立地训练模型。第三步将所有客户端训练的模型发送到服务器，并在服务器中对所有模型参数进行平均得到全局模型。第四步，客户端与中心服务器协作训练全局模型。在测试阶段，服务器将全局模型发送给包含目标域数据的客户端，完成故障诊断。本发明利用源域数据的标签和特征之间的固有关系，通过将不同客户端模型的训练损失和模型参数在中心服务器中进行加权聚合，完成全局故障诊断模型的训练。
-
公开(公告)号：CN112926642B
公开(公告)日：2022-06-07
申请号：CN202110196455.5
申请日：2021-02-22
申请人： 山东大学
IPC分类号： G06K9/62 , G06N3/04 , G01M13/045
摘要： 本公开提供了一种多源域自适应智能机械故障诊断方法及系统，获取机械设备的运行状态数据；利用预设特征提取器对获取的运行状态数据进行特征提取；将提取到的特征输入到预设分类器中，得到故障分类预测结果；其中，特征提取器的网络参数根据预设多源域鉴别器的分类损失、源域数据集和目标域数据集的最大均值差异以及分类器根据源域数据集得到的分类损失进行更新；本公开能够有效解决不同操作条件下训练集和测试集数据之间因特征分布不同导致的训练集学习的模型无法适应于测试集的问题，有效提高了机械设备在新工况下的故障诊断分类准确率。
-
公开(公告)号：CN112926641B
公开(公告)日：2022-05-17
申请号：CN202110196388.7
申请日：2021-02-22
申请人： 山东大学
IPC分类号： G06K9/62 , G06N3/04 , G01M13/045
摘要： 本公开提供了一种基于多模态数据的三阶段特征融合旋转机械故障诊断方法，获取机械运行状态参量数据，得到至少两种模态的数据；将获取的各模态数据分别输入到预设神经网络模型中，得到最终的故障分类结果；其中，预设神经网络模型至少依次包括第一自特征融合、互特征融合和第二自特征融合三个阶段；本公开采用包括一维卷积神经网络和二维卷积神经网络在内的三阶段特征融合方法，对多尺度特征进行融合并进行故障诊断，其中二维卷积神经网络提取特征映射图谱之间的相关性，注意力机制可以对特征图谱进行不同的权重分配，突出了重要信息，减少了冗余信息，极大的提高了故障诊断的性能。
-
-
-
-
-
-
-
-
-
搜索结果
78 条记录 (耗时 0.031 秒)
