公开(公告)号：CN118013289B

公开(公告)日：2024-07-16

申请号：CN202410417801.1

申请日：2024-04-09

Applicant: 北京理工大学 ,  北京理工大学唐山研究院

Inventor： 孔运 ,  林翠颖 ,  黄国昱 ,  刘辉 ,  闫清东 ,  董明明

IPC: G06F18/214 ,  G06F18/2135 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于信息融合元迁移学习的变工况小样本故障诊断方法、装置、介质及产品，涉及机械故障诊断技术领域，所述方法包括：获取待诊断设备多种工况下的多种故障类型下的多传感器信号，对各故障类型下的多传感器信号进行稀疏主成分分析、随机采样和归一化，得到对应故障类型下的融合图像；基于各故障类型下的融合图像，构建源域数据集和目标域数据集；利用源域数据集对二维元卷积神经网络进行训练，得到元迁移诊断模型；利用目标域支持集对元迁移诊断模型进行微调，得到微调后的元迁移诊断模型；利用微调后的元迁移诊断模型对目标域查询集进行诊断，得到对应的故障诊断结果。实现了变工况小样本下设备的状态监测和故障诊断。

公开(公告)号：CN117407784B

公开(公告)日：2024-03-12

申请号：CN202311703611.8

申请日：2023-12-13

Applicant: 北京理工大学 ,  北京理工大学唐山研究院

Inventor： 孔运 ,  林翠颖 ,  黄国昱 ,  韩特 ,  董明明

IPC: G06F18/2413 ,  G01M99/00 ,  G06F18/2411 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开一种面向传感器数据异常的旋转机械智能故障诊断方法及系统，涉及机械故障诊断技术领域。首先，本发明引入绝对最近邻方法来验证训练数据集中的非故障异常样本并筛除这类样本数据，进而能够有效降低非故障异常数据对故障诊断的影响；其次，本发明构建了一种预测生成对抗网络，以在数据缺失情况下对数据进行补全；与此同时将L2范数正则化集成到预测生成对抗网络的损失函数中，提高模型的鲁棒性。基于此，该方法能够有效解决传感器数据缺失和异常情况下的旋转机械状态监测和故障诊断。

公开(公告)号：CN118013289A

公开(公告)日：2024-05-10

申请号：CN202410417801.1

申请日：2024-04-09

Applicant: 北京理工大学 ,  北京理工大学唐山研究院

Inventor： 孔运 ,  林翠颖 ,  黄国昱 ,  刘辉 ,  闫清东 ,  董明明

IPC: G06F18/214 ,  G06F18/2135 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于信息融合元迁移学习的变工况小样本故障诊断方法、装置、介质及产品，涉及机械故障诊断技术领域，所述方法包括：获取待诊断设备多种工况下的多种故障类型下的多传感器信号，对各故障类型下的多传感器信号进行稀疏主成分分析、随机采样和归一化，得到对应故障类型下的融合图像；基于各故障类型下的融合图像，构建源域数据集和目标域数据集；利用源域数据集对二维元卷积神经网络进行训练，得到元迁移诊断模型；利用目标域支持集对元迁移诊断模型进行微调，得到微调后的元迁移诊断模型；利用微调后的元迁移诊断模型对目标域查询集进行诊断，得到对应的故障诊断结果。实现了变工况小样本下设备的状态监测和故障诊断。

公开(公告)号：CN117407784A

公开(公告)日：2024-01-16

申请号：CN202311703611.8

申请日：2023-12-13

Applicant: 北京理工大学 ,  北京理工大学唐山研究院

Inventor： 孔运 ,  林翠颖 ,  黄国昱 ,  韩特 ,  董明明

IPC: G06F18/2413 ,  G01M99/00 ,  G06F18/2411 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开一种面向传感器数据异常的旋转机械智能故障诊断方法及系统，涉及机械故障诊断技术领域。首先，本发明引入绝对最近邻方法来验证训练数据集中的非故障异常样本并筛除这类样本数据，进而能够有效降低非故障异常数据对故障诊断的影响；其次，本发明构建了一种预测生成对抗网络，以在数据缺失情况下对数据进行补全；与此同时将L2范数正则化集成到预测生成对抗网络的损失函数中，提高模型的鲁棒性。基于此，该方法能够有效解决传感器数据缺失和异常情况下的旋转机械状态监测和故障诊断。

公开(公告)号：CN119128633A

公开(公告)日：2024-12-13

申请号：CN202411135698.8

申请日：2024-08-19

Applicant: 北京理工大学

Inventor： 孔运 ,  祁俊辉 ,  林翠颖 ,  董明明 ,  刘辉 ,  闫清东

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本申请公开的一种面向数据不平衡的机械智能故障诊断方法、系统、设备、介质及产品，涉及机械故障诊断领域。首先，本申请构建了一种由随机采样模块、生成模块和泛化模块组成的泛化分类正则化生成对抗网络；其次，使用原始振动数据作为生成器输入以加速生成器训练过程；此外，引入正则化损失项到鉴别器损失函数中，以稳定极少数据输入下生成对抗网络的训练过程；最后，开发分类器模块区分原始样本与生成样本以利于故障分类。本申请仅利用少量数据即可高效地生成强泛化性样本，适用于训练数据不足或训练数据不平衡的智能故障诊断场景，以提高智能故障诊断方法性能、效率和适应性。

公开(公告)号：CN119513721A

公开(公告)日：2025-02-25

申请号：CN202411554637.5

申请日：2024-11-04

Applicant: 北京理工大学

Inventor： 孔运 ,  林翠颖 ,  鲁睿彪 ,  祁俊辉 ,  董明明 ,  刘辉 ,  闫清东

IPC: G06F18/2415 ,  G01M13/00 ,  G06F18/25 ,  G06F18/2135 ,  G06F18/15 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/088 ,  G06N3/096 ,  G06F123/02 ,  G06N3/048

Abstract: 本申请公开了一种用于旋转机械迁移诊断的无监督多源信息域自适应方法、设备、介质及产品，涉及机械故障诊断领域。该方法包括：获取多源信息；将多源信息融合并压缩为单一融合样本；构建信息融合增强的域自适应自注意力网络迁移学习模型；将单一融合样本输入信息融合增强的域自适应自注意力网络迁移学习模型，得到旋转机械的迁移诊断结果。本申请能够解决已知多源信息域自适应方法中存在的负迁移、信息丢失和高计算负担等问题。