公开(公告)号：CN114993677B

公开(公告)日：2023-05-02

申请号：CN202210509748.9

申请日：2022-05-11

申请人： 山东大学

发明人： 姜明顺 ,  王金喜 ,  张艺蓝 ,  张法业 ,  张雷 ,  贾磊 ,  隋青美

IPC分类号： G01M13/045 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

摘要： 本发明公开了一种不平衡小样本数据的滚动轴承故障诊断方法及系统，包括：获取滚动轴承的声纹信号数据；对采集到的数据进行降维、位置编码和填充处理；基于预训练的故障诊断模型以及所述滚动轴承的声纹信号数据，进行故障诊断，得到滚动轴承的故障类型；其中，所述故障诊断模型由预训练好的基于多头自注意力机制的自“编码‑解码”模型中的编码部分与多头自注意力机制分类器搭建。本发明通过基于多头自注意力机制的自“编码‑解码”模型实现了模型预训练，解决了将多头自注意力机制应用到多模态任务数据需求问题，并有效提升了模型训练效率与故障诊断准确率。

公开(公告)号：CN114331214A

公开(公告)日：2022-04-12

申请号：CN202210072050.5

申请日：2022-01-21

申请人： 山东大学

发明人： 姜明顺 ,  刘明慧 ,  张艺蓝 ,  张法业 ,  张雷 ,  隋青美

IPC分类号： G06Q10/06 ,  G06Q10/00 ,  G06Q50/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于强化学习的域自适应轴承声纹故障诊断方法及系统，根据获取的滚动轴承声纹信号和故障诊断模型，得到故障诊断结果；其中，故障诊断模型的损失函数为域自适应网络的损失函数和分类网络的损失函数的加和，分类网络的输入为源域标签和特征提取网络的源域输出，域自适应网络的输入为特征提取网络的源域输出和目标域输出；源域数据依次经过稀疏自编码器和特征提取网络后得到源域输出，目标域数据经过特征提取网络得到目标域输出；本发明考虑了源域数据集和目标域数据集不一致的问题，结合稀疏自编码器，在数据样本不充足时，利用已知的特征信号对未知的故障诊断进行较为高精度的分类，保证了机械设备的安全运转。

公开(公告)号：CN114993677A

公开(公告)日：2022-09-02

申请号：CN202210509748.9

申请日：2022-05-11

申请人： 山东大学

发明人： 姜明顺 ,  王金喜 ,  张艺蓝 ,  张法业 ,  张雷 ,  贾磊 ,  隋青美

IPC分类号： G01M13/045 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种不平衡小样本数据的滚动轴承故障诊断方法及系统，包括：获取滚动轴承的声纹信号数据；对采集到的数据进行降维、位置编码和填充处理；基于预训练的故障诊断模型以及所述滚动轴承的声纹信号数据，进行故障诊断，得到滚动轴承的故障类型；其中，所述故障诊断模型由预训练好的基于多头自注意力机制的自“编码‑解码”模型中的编码部分与多头自注意力机制分类器搭建。本发明通过基于多头自注意力机制的自“编码‑解码”模型实现了模型预训练，解决了将多头自注意力机制应用到多模态任务数据需求问题，并有效提升了模型训练效率与故障诊断准确率。