公开(公告)号：CN115062648B

公开(公告)日：2024-06-07

申请号：CN202210620387.5

申请日：2022-06-02

申请人： 华南理工大学

发明人： 李巍华 ,  梁靖康 ,  陈祝云 ,  廖奕校 ,  陈浚彬

IPC分类号： G06F18/24 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了一种旋转机械故障诊断方法、系统、装置及存储介质，其中方法包括：获取数据集；构建用于故障诊断的轻量化一维卷积神经网络，网络框架包括4个部分：大卷积核宽度的第一卷积层、k个操作算子可选择的中间层叠加、全局平均池化层、全连接输出层；定义神经网络待优化的超参数的搜索空间；利用树结构parzen估计器(TPE)的自动化超参数优化方法对网络进行训练，获得在迭代次数内最优的超参数集；将使用最优超参数集的神经网络在训练集中重头训练，得到训练后的模型。本发明自动为故障诊断模型搜索超参数，节约人工劳动力，同时所得故障诊断模型的网络参数量小，运算速度快且准确率高，可广泛应用于旋转机械智能故障诊断领域。

公开(公告)号：CN115438714A

公开(公告)日：2022-12-06

申请号：CN202210916564.4

申请日：2022-08-01

申请人： 华南理工大学

发明人： 李巍华 ,  杨万胜 ,  陈祝云 ,  晋刚 ,  陈浚彬 ,  廖奕校 ,  黄如意

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

摘要： 本发明公开了一种分簇式联邦学习驱动的机械故障诊断方法、装置及介质，其中方法包括：在中心服务器上构建故障诊断模型，将模型参数发送至客户端；客户端对故障诊断模型进行优化，将特征表示向量和模型参数发送至中心服务器；利用K‑means聚类算法对表示向量进行分簇，计算聚类轮廓系数；根据聚类轮廓系数，对客户端的模型参数采用对应的参数更新策略进行更新，并将更新后的模型参数发送给对应的客户端；中心服务器与客户端通讯次数达到预设迭代次数时，完成模型训练。本发明在满足维护客户端的机械设备数据隐私的同时，提高了旋转机械设备关键部件故障诊断的准确率，更有利地保证了安全生产。本发明可广泛应用于旋转机械设备故障诊断领域。

公开(公告)号：CN115062648A

公开(公告)日：2022-09-16

申请号：CN202210620387.5

申请日：2022-06-02

申请人： 华南理工大学

发明人： 李巍华 ,  梁靖康 ,  陈祝云 ,  廖奕校 ,  陈浚彬

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种旋转机械故障诊断方法、系统、装置及存储介质，其中方法包括：获取数据集；构建用于故障诊断的轻量化一维卷积神经网络，网络框架包括4个部分：大卷积核宽度的第一卷积层、k个操作算子可选择的中间层叠加、全局平均池化层、全连接输出层；定义神经网络待优化的超参数的搜索空间；利用树结构parzen估计器(TPE)的自动化超参数优化方法对网络进行训练，获得在迭代次数内最优的超参数集；将使用最优超参数集的神经网络在训练集中重头训练，得到训练后的模型。本发明自动为故障诊断模型搜索超参数，节约人工劳动力，同时所得故障诊断模型的网络参数量小，运算速度快且准确率高，可广泛应用于旋转机械智能故障诊断领域。