公开(公告)号：CN116701906A

公开(公告)日：2023-09-05

申请号：CN202310559785.5

申请日：2023-05-17

申请人： 华南理工大学

发明人： 黄如意 ,  蓝昊 ,  李巍华

IPC分类号： G06F18/213 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/048 ,  G06F18/23 ,  G06N3/08

摘要： 本发明公开了一种可解释的复合故障智能诊断方法、装置及存储介质，属于机械装备故障诊断领域。该方法包括：采集原始振动信号数据，根据原始振动信号数据获取训练集；构建具有可解释性的特征提取器，并通过小波核卷积层从原始振动信号数据中学习具有可解释意义的特征；使用堆叠的胶囊层构建解耦分类器，以实现复合故障的解耦和单一故障的诊断；根据特征提取器和解耦分类器获得模型，采用非完备数据对模型进行训练；利用反向溯源方法，对模型的诊断决策过程进行可解释性分析，以提高模型诊断结果的可信度。本发明在非完备数据的条件下有效实现了单一故障的诊断和复合故障的解耦，具备可解释性，有利于在可解释性需求的工业实际场景中的应用与推广。

公开(公告)号：CN117951494A

公开(公告)日：2024-04-30

申请号：CN202311721794.6

申请日：2023-12-14

申请人： 华南理工大学

发明人： 李巍华 ,  许维冬 ,  何敬科 ,  陈祝云 ,  温楷儒 ,  蓝昊 ,  贺毅

IPC分类号： G06F18/213 ,  G06F18/214 ,  G06F18/2415 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了基于多任务图神经网络的智能故障诊断与寿命预测方法。所述方法具体如下：采集旋转机械的全寿命周期振动信号，设置故障类别标签和剩余使用寿命标签；对振动信号利用滑动窗口提取多个时频域特征，同时计算特征之间的相关系数，结合标签信息构建样本图；将样本图输入图卷积模块，通过图同构层和全局平均池化层自动提取深度特征；将图卷积模块提取的特征输入自注意力模块，利用自注意力机制进行加权；将经过加权后的特征并行地输入分别用于执行故障诊断任务和寿命预测任务的两个全连接层，构建联合损失函数进行训练，得到多任务模型；将测试样本图输入训练好的多任务模型，模型的可同时输出该样本图所属的故障类别及剩余使用寿命情况。

公开(公告)号：CN117171666A

公开(公告)日：2023-12-05

申请号：CN202310964501.0

申请日：2023-08-01

申请人： 华南理工大学

发明人： 李巍华 ,  蓝昊 ,  黄如意 ,  陈佳鲜 ,  夏景演

IPC分类号： G06F18/2415 ,  G06F18/10 ,  G06F18/214 ,  G06F18/213 ,  G06N3/08 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/09 ,  G06N3/0895

摘要： 本发明公开了一种新故障和复合故障协同诊断方法、装置和存储介质，属于机械制造技术领域。其中方法包括：构建训练和测试数据集，利用安装在机械装备上的加速度传感器采集机械装备不同工况下的振动信号数据；构建包含特征提取器、域判别器、新故障检测器和复合故障分类器的训练模型；优化模型参数，基于协同训练策略，融合对抗域自适应、开放域自适应、伪标签学习技术，构建多任务学习框架，使故障诊断模型获得最优网络参数；已知故障、新故障和复合故障的协同诊断，使用训练完备的特征提取器和复合故障分类器构建测试模型，同时实现已知故障诊断、新故障检测和复合故障解耦任务。本发明能够同时实现已知故障诊断、新故障检测和复合故障解耦。