公开(公告)号：CN111340238B

公开(公告)日：2023-12-15

申请号：CN202010171480.3

申请日：2020-03-12

申请人： 中南大学

发明人： 黄科科 ,  阳春华 ,  吴淑洁 ,  朱红求 ,  李勇刚

IPC分类号： G06F18/241 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084 ,  G01M99/00 ,  G01M13/04 ,  G01R31/00

摘要： 本发明公开了一种工业系统的故障诊断方法、装置、设备及存储介质，其中方法包括：获取工业系统预设的多个传感器所输出的历史原始序列以及对应的工业系统故障类型，将不同传感器在同一时间片段内的数据依次进行拼接，并将拼接得到的重构序列进行归一化处理，得到与时间片段对应的预处理序列，以作为训练样本；以所有训练样本训练深度学习模型，得到工业系统故障诊断模型；按照与训练样本相同的获取方法，从实时获取的原始序列中获取诊断样本，使用工业系统故障诊断模型和诊断样本对工业系

公开(公告)号：CN115204272A

公开(公告)日：2022-10-18

申请号：CN202210721136.6

申请日：2022-06-24

申请人： 中南大学

发明人： 黄科科 ,  吴淑洁 ,  周灿 ,  吴德浩 ,  阳春华 ,  桂卫华

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于多采样率数据的工业系统故障诊断方法与设备，方法为：获取工业系统多组不同传感器的时间序列数据，该多组数据存在不同采样率；针对每种采样率的所有传感器的时间序列数据，根据相关性筛选保留部分传感器的时间序列数据；将每种采样率的筛选保留传感器的时间序列数据，分别归一化处理，再按传感器拼接；将多种采样率对应的拼接数据，结合对应的真实分类标签，以端到端的方式对CNN模型进行训练，得到故障分类器；当需要进行故障诊断时，使用训练好的故障分类器基于多采样率数据对工业系统进行故障诊断。本发明能够自动挖掘多采样率数据的深层特征，有效利用不同采样率变量的信息来提高故障诊断的精度。

公开(公告)号：CN117909865A

公开(公告)日：2024-04-19

申请号：CN202410044974.3

申请日：2024-01-12

申请人： 中南大学

发明人： 黄科科 ,  刘泽一 ,  吴淑洁 ,  吴德浩 ,  刘一顺 ,  阳春华 ,  桂卫华

IPC分类号： G06F18/2415 ,  G06F18/15 ,  G06N3/045 ,  G06N3/084

摘要： 本发明公开了一种面向多采样率工业过程的数据驱动故障诊断方法及系统，该方法包括：首先，对多采样率数据进行数据预处理和划分，使多采样率数据转换为多个子任务数据；其次，构造基于注意力机制的多采样率掩码网络故障诊断模型；最后，利用基于注意力机制自适应的多采样率掩码网络故障诊断模型对在线采集的数据进行实时故障诊断。通过梯度注意力机制与掩码网络，缓解了顺序学习中的灾难性遗忘问题，并使网络具有处理维度不一致的多任务数据的能力，提升了有效信息的传递效率，从而能够更好更准确的进行故障诊断。

公开(公告)号：CN111340238A

公开(公告)日：2020-06-26

申请号：CN202010171480.3

申请日：2020-03-12

申请人： 中南大学

发明人： 黄科科 ,  阳春华 ,  吴淑洁 ,  朱红求 ,  李勇刚

IPC分类号： G06N20/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G01M99/00 ,  G01M13/04 ,  G01R31/00

摘要： 本发明公开了一种工业系统的故障诊断方法、装置、设备及存储介质，其中方法包括：获取工业系统预设的多个传感器所输出的历史原始序列以及对应的工业系统故障类型，将不同传感器在同一时间片段内的数据依次进行拼接，并将拼接得到的重构序列进行归一化处理，得到与时间片段对应的预处理序列，以作为训练样本；以所有训练样本训练深度学习模型，得到工业系统故障诊断模型；按照与训练样本相同的获取方法，从实时获取的原始序列中获取诊断样本，使用工业系统故障诊断模型和诊断样本对工业系统进行在线诊断。本发明对不同传感器的采样率没有要求，可以保留传感器的大部分原始数据，提高故障诊断的准确度。