-
公开(公告)号:CN115344951A
公开(公告)日:2022-11-15
申请号:CN202110520964.9
申请日:2021-05-13
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/12
Abstract: 一种基于时间卷积网络和辅助学习的刀具磨损量预测方法,在数控加工过程中,通过布置在数控机床上的电流传感器采集主轴电机的电流信号,并测量每次加工过程后刀具的磨损量,同时记录加工过程使用的主要加工参数,并根据其中的稳定走刀阶段的时间对应截取主轴电机的电流信号生成训练样本用于训练神经网络,在在线测试阶段,采集并选取待预测刀具的走刀阶段主轴电机的电流信号作为待测样本,输入训练后的神经网络后即得到刀具当前的磨损量实时预测值。
-
公开(公告)号:CN115344950A
公开(公告)日:2022-11-15
申请号:CN202110520861.2
申请日:2021-05-13
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
IPC: G06F30/17 , G06F30/27 , G06F111/08 , G06F119/10
Abstract: 一种基于DCAE与最大均值差异的滚珠丝杠健康评估方法,通过采集滚珠丝杠在正常性能下工作时的信号以生成训练样本对去噪卷积自编码器进行训练,将训练样本输入训练后的去噪卷积自编码器得到基线特征,通过采集待评估滚珠丝杠的工作信号并生成待评估样本,经训练后的去噪卷积自编码器提取得到样本特征;再根据基线特征与样本特征的最大均值差异值映射为待评估滚珠丝杠的健康值。本发明仅需获取滚珠丝杠在非常健康状态下的信号即可建立模型,无需多个退化状态下的数据以建立关键特征。
-
公开(公告)号:CN114118149A
公开(公告)日:2022-03-01
申请号:CN202111402504.2
申请日:2021-11-24
Applicant: 上海交通大学
Abstract: 一种基于有限元仿真和特征迁移的感应电机故障诊断系统,包括:定子电流数据采集模块、对称特征迁移训练模块和故障诊断模块,其中:定子电流数据采集模块设置于感应电机的电路中采集对应的电机三相定子电流信号,经模数转换后将数字信号分别输出至对称特征迁移训练模块和故障诊断模块,对称特征迁移训练模块在离线阶段通过有限元仿真模型生成的仿真的三相定子电流信号作为训练样本并构建混合的源域和无标签的目标域对故障诊断模块的骨干网络模型进行训练,通过使用MK‑MMD和域判别器进行多阶段的对称特征迁移,故障诊断模块在在线阶段对采集到的实时工况信号进行诊断。本发明将大量无标签的真实数据作为目标域,在高维空间对齐源域和目标域,实现小样本情况下的电机故障诊断。
-
公开(公告)号:CN112129534B
公开(公告)日:2021-10-29
申请号:CN202010980658.9
申请日:2020-09-17
Applicant: 上海交通大学
IPC: G01M13/045
Abstract: 本发明提供了一种机床主轴轴承寿命预测方法及系统,包括:从布置在机床的振动传感器上采集主轴轴承的振动信号;从采集的主轴轴承的振动信号中提取N个特征,构建特征集;对特征集中的特征进行归一化处理;构建一个具有N个输入特征通道的具有特征意识的LSTM网络模型,取任一时刻前L个周期的归一化后特征作为LSTM网络模型输入,输出每一时刻对应的实际剩余使用寿命百分比;依据归一化后的特征对LSTM网络模型使用Adam优化器进行迭代训练,直至损失函数达到预设值,得到训练后的LSTA网络模型;步骤M6:将待预测样本输入到训练后得到的LSTM网络模型中,输出轴承剩余使用寿命的预测结果。本发明可实现对一般寿命预测过程中的多维复杂特征的自动选择与使用。
-
公开(公告)号:CN112372371B
公开(公告)日:2021-10-19
申请号:CN202011076025.1
申请日:2020-10-10
Applicant: 上海交通大学
IPC: B23Q17/00
Abstract: 一种数控机床刀具磨损状态评估方法,通过采集数控机床加工过程中的主轴电流信号和振动信号,使用时域分析、频域分析和小波包分解提取特征后,利用主成分分析进行特征降维,并使用多种集成学习算法训练预测;最后使用压缩因子粒子群优化算法获取各集成学习算法的最优权重来构建多决策刀具磨损评估模型,对刀具磨损状态进行评估;本发明以主成分分析和集成学习算法为基础,使用改进粒子群优化算法CFPSO构建多决策刀具磨损评估模型,该方法受加工时工况参数的影响小,具有良好的通用性和准确性。
-
公开(公告)号:CN112129534A
公开(公告)日:2020-12-25
申请号:CN202010980658.9
申请日:2020-09-17
Applicant: 上海交通大学
IPC: G01M13/045
Abstract: 本发明提供了一种机床主轴轴承寿命预测方法及系统,包括:从布置在机床的振动传感器上采集主轴轴承的振动信号;从采集的主轴轴承的振动信号中提取N个特征,构建特征集;对特征集中的特征进行归一化处理;构建一个具有N个输入特征通道的具有特征意识的LSTM网络模型,取任一时刻前L个周期的归一化后特征作为LSTM网络模型输入,输出每一时刻对应的实际剩余使用寿命百分比;依据归一化后的特征对LSTM网络模型使用Adam优化器进行迭代训练,直至损失函数达到预设值,得到训练后的LSTA网络模型;步骤M6:将待预测样本输入到训练后得到的LSTM网络模型中,输出轴承剩余使用寿命的预测结果。本发明可实现对一般寿命预测过程中的多维复杂特征的自动选择与使用。
-
公开(公告)号:CN117825946A
公开(公告)日:2024-04-05
申请号:CN202211186512.2
申请日:2022-09-27
Applicant: 上海交通大学
IPC: G01R31/34 , G06F18/241 , G06F18/214
Abstract: 一种面向少量有标签数据的电机故障诊断系统,包括:物理信号采集模块、虚拟仿真模块和故障诊断模块,本发明通过建立实际电机对应的数字孪生模型获取仿真数据扩充数据量,结合知识迁移和数据增强,实现面向少量有标签数据的电机故障诊断,并使用电流改进对称点模式对三相电流信号进行可视化,提高了故障诊断的准确性。
-
公开(公告)号:CN113533962A
公开(公告)日:2021-10-22
申请号:CN202110861756.5
申请日:2021-07-29
Applicant: 上海交通大学
Abstract: 一种基于多物理信号传感器决策融合的感应电机健康故障诊断系统,包括:传感器模块、数据采集模块、故障诊断模块和决策融合模块,数据采集模块通过传感器模块采集感应电机的定子电流模拟信号、振动模拟信号、磁漏模拟信号和声音模拟信号,经模数处理后输出至故障诊断模块,故障诊断模块对数字信号进行数据预处理后使用平行的去噪神经网络分别从定子电流、振动、磁漏和声音角度进行故障诊断得到对应的健康状态类别概率分布,决策融合模块根据记忆化可信度和健康状态类别概率分布,基于D‑S证据理论和记忆化可信度的决策算法计算出最终诊断结果。本发明采用平行的去噪神经网络对各个物理信号分别进行故障诊断,得到电机所有健康状态的各个概率,通过基于记忆化可信度的决策融合得到最终的诊断结果。
-
公开(公告)号:CN117407810A
公开(公告)日:2024-01-16
申请号:CN202210786274.2
申请日:2022-07-04
Applicant: 上海交通大学
IPC: G06F18/2433 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/084
Abstract: 一种基于多头注意力机制的复合故障解耦诊断方法,包括:预处理模块、特征提取模块和解耦分类器模块,其中:预处理模块通过对监测设备上采集到的信号进行预处理,使其同时包含时域和频域的信息;特征提取模块通过对预处理后的数据进行特征提取,得到特征值;解耦分类器模块通过单一故障类别标签对特征提取模块得到的特征值进行查询标签更新和概率预测,实现故障预测。针对复合故障数据,即在诊断过程中将复合故障解耦输出多个单一故障的组合和单一故障数据,通过本发明故障解耦分类器学习到复合故障中故障与故障的联系,使解耦分类器中的注意力矩阵能够记住不同故障的特有未知区域,提高模型的可解释性。
-
公开(公告)号:CN116266249A
公开(公告)日:2023-06-20
申请号:CN202111523088.1
申请日:2021-12-14
Applicant: 上海交通大学
IPC: G06F30/27 , G06N3/084 , G06F111/08 , G06F119/02 , G06F119/08
Abstract: 一种IGBT模块剩余寿命预测方法,通过采集IGBT模块在不同工况下进行功率循环时的传感数据,计算出瞬态热阻数据,从中提取并筛选有效特征;然后采用具有剩余寿命标签的源工况数据和待预测剩余寿命的目标工况数据作为训练集对基于概率稀疏自注意力机制的预测模型进行训练;最后在在线阶段采用训练后的模型进行工况剩余寿命的准确预测。本发明从IGBT模块功率循环得到的瞬态热阻数据提取筛选有效特征,使用概率稀疏自注意力结构进一步提取有效信息,并通过最大均值差异衡量不同工况下深度特征的差别,从而实现跨工况预测。
-
-
-
-
-
-
-
-
-