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

申请人： 北京理工大学 ,  北京理工大学唐山研究院

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

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

摘要： 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：CN118013289B

公开(公告)日：2024-07-16

申请号：CN202410417801.1

申请日：2024-04-09

申请人： 北京理工大学 ,  北京理工大学唐山研究院

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

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

摘要： 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

申请人： 北京理工大学 ,  北京理工大学唐山研究院

发明人： 孔运 ,  林翠颖 ,  黄国昱 ,  韩特 ,  董明明

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

摘要： 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：CN117407784A

公开(公告)日：2024-01-16

申请号：CN202311703611.8

申请日：2023-12-13

申请人： 北京理工大学 ,  北京理工大学唐山研究院

发明人： 孔运 ,  林翠颖 ,  黄国昱 ,  韩特 ,  董明明

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

摘要： 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：CN118940172A

公开(公告)日：2024-11-12

申请号：CN202410981340.0

申请日：2024-07-22

申请人： 北京理工大学

发明人： 孔运 ,  张洁 ,  黄国昱 ,  董明明 ,  刘辉 ,  闫清东

IPC分类号： G06F18/2433 ,  G01M7/02 ,  G01M13/00 ,  G01M99/00 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/049

摘要： 本申请公开的一种基于多模态数据插补与融合的可信机械故障诊断方法、系统、设备及介质，涉及电数字数据处理领域，该方法包括：按照待诊断机械设备的运行周期从振动数据和电流数据中分别截取得到振动信号和电流信号；将训练好的L2时空生成对抗插补网络作为数据插补模型，将训练好的多输入单输出自编码器作为数据融合模型；将振动信号和电流信号输入至数据插补模型，得到振动信号插补数据和电流信号插补数据后，将得到的插补数据输入至数据融合模型，得到融合数据；构建故障诊断模型，并将融合数据输入至故障诊断模型，得到待诊断机械设备的故障诊断结果。本申请通过考虑数据长期依赖关系，并综合利用多模态信息的数据插补与融合方法，能够实现机械设备的可信故障诊断。