公开(公告)号：CN116882295A

公开(公告)日：2023-10-13

申请号：CN202310904773.1

申请日：2023-07-21

Applicant: 中国地质大学(武汉)

Inventor： 杨广 ,  苏少权 ,  文龙 ,  李庆哲

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/0895 ,  G06F18/213 ,  G06F18/2433 ,  G06F119/04

Abstract: 本发明公开了一种旋转机械剩余使用寿命预测方法、装置及电子设备，包括：将采集的数据进行包络变换并计算统计指标；挑选相关特征并降维得到健康指标；对健康指标进行异常值剔除和单调性增强并计算故障阈值；将弱注意力融入GRU网络得到预测模型；利用历史信息完成预测模型的训练；利用训练完成的模型完成剩余使用寿命预测的任务。本发明通过对包络谱的敏感性增强和特征计算与挑选，构造出敏感的健康指标，有利于设备的健康监测；对GRU网络集成弱注意力，有效改善了经典网络长期预测能力不足的问题。该方法通过对健康指标和神经网络的改善，有利于设备的健康监测和进行剩余使用寿命的长期预测，且适用性较好，有利于在实际应用中推广使用。

公开(公告)号：CN116776730A

公开(公告)日：2023-09-19

申请号：CN202310733123.5

申请日：2023-06-19

Applicant: 中国地质大学(武汉)

Inventor： 叶雨星 ,  苏少权 ,  胡隆鑫 ,  文龙 ,  李庆哲

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/084 ,  G06F119/04

Abstract: 本发明公开了一种旋转装备剩余寿命预测方法、设备及存储设备，方法包括以下步骤：对机械旋转设备退化多传感器的监测数据进行数据预处理；构造机械旋转设备剩余使用寿命预测模型，所述设备剩余使用寿命预测模型包括：一维卷积神经网络和维纳过程模型；将一维卷积神经网络作为退化特征提取器；利用退化特征提取器从所述监测数据中提取退化特征；根据所述退化特征构造退化健康指标；输入所述退化健康指标至维纳过程模型，计算得到机械旋转设备剩余使用寿命预测值。本发明大幅节省了剩余使用寿命预测所需的时间；提高了剩余使用寿命预测的精度及效率，且适用性较好。

公开(公告)号：CN116206102A

公开(公告)日：2023-06-02

申请号：CN202211540852.0

申请日：2022-12-02

Applicant: 中国地质大学(武汉)

Inventor： 肖洪勇 ,  张文颖 ,  文龙 ,  李庆哲

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种基于权重融合与双编码器的表面缺陷图像分割方法，包括以下步骤：构建表面缺陷图像语义分割网络，包括：特征提取模块、特征融合模块和双编码模块；将图像集输入至特征提取模块，得到不同层级的特征图；将不同层级的特征图输入至特征融合模块，得到增强后的各层级特征图；将增强后的各层级特征图输入至双编码模块，得到不同层级分割图；计算加权交叉熵损失与加权交并比损失，并进行加权求和，得到总损失；利用总损失函数约束，完成表面缺陷图像语义分割网络的训练，并进行表面缺陷图像分割任务；本发明有效的提升了每一层特征的感受野，可以极大的提升不同尺度缺陷预测难的问题。