公开(公告)号：CN114169436A

公开(公告)日：2022-03-11

申请号：CN202111490279.2

申请日：2021-12-08

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  刘才明 ,  郑骁蓉 ,  董哲康 ,  高明煜

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于AdaDCLF的多目标域设备故障诊断方法，本发明结合MK‑MMD距离衡量源域与目标域的分布偏差，然后自适应调整域混淆损失因子，重点关注了最大的域混淆损失所对应的目标域数据的重要性。AdaDCLF自适应调整域混淆损失因子方法增强了模型在多目标域上的泛化能力，显著提高了设备故障诊断模型在多目标域上的诊断准确率，解决了单目标域域适应算法在多目标域上泛化能力不强的问题，从而实现对设备故障的智能诊断。

公开(公告)号：CN114139607A

公开(公告)日：2022-03-04

申请号：CN202111332826.4

申请日：2021-11-11

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  刘才明 ,  郑骁蓉 ,  董哲康 ,  高明煜

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于CRWGAN‑div的设备故障样本增强方法，本发明结合WGAN‑div自身的强大数据生成能力，特别是对于噪声较多的设备故障数据，重构网络的引入能更好地指导生成网络的训练，提高了其训练稳定性，通过对生成网络输入的重构，加强了生成网络从潜在向量空间到样本空间的映射拟合能力，提高了生成样本的质量，与传统重叠采样方法相比，生成样本的多样性和质量大大提高。与现有的基于GAN的样本增强方法相比，CRWGAN‑div网络通过梯度惩罚和重构误差回传有效地解决了GAN训练不稳定、梯度消失、模式崩溃的问题。

公开(公告)号：CN114970702A

公开(公告)日：2022-08-30

申请号：CN202210540631.7

申请日：2022-05-17

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  郑骁蓉 ,  刘才明 ,  董哲康 ,  高明煜

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于DMSTFA的多分类器设备故障诊断方法，本发明先按不同工况将数据分为源域与目标域数据；接着构建设备故障诊断神经网络模型，初始化其参数；将源域和目标域数据输入神经网络中，根据DMSTFA计算各个特征子空间的域适配损失；计算每个子空间的特征相似性权重；根据相似性权重，组合多个分类器的输出，并计算分类损失；将各个特征空间上的域适配损失和分类损失相加，得到总损失函数值，然后进行迭代训练更新模型参数，得到最终模型；设备故障诊断时将目标域数据输入最终模型，得到设备故障诊断结果。本发明增强了模型在具有较大分布差异的目标域上的泛化能力，显著提高了设备故障诊断模型诊断准确率。

公开(公告)号：CN114580288A

公开(公告)日：2022-06-03

申请号：CN202210225165.3

申请日：2022-03-09

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  刘才明 ,  郑骁蓉 ,  董哲康 ,  高明煜

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F111/10

Abstract: 本发明公开了一种基于DSECJAN的智能故障诊断方法，该方法由卷积神经网络特征提取模块、挤压和激励模块、故障分类模块、联合域适应模块组成，用于设备智能跨域故障诊断。构建一维卷积神经网络特征提取模块，然后通过挤压和激励模块对通道特征进行自适应增强或抑制，利用联合域适应对齐源域和目标域输入特征和输出标签联合分布，以实现故障智能诊断。该模型能够自适应增强对跨域诊断较重要的通道特征，并抑制一些对学习任务无效的信息。显著提高了设备故障诊断模型在目标域上的诊断准确率，解决了深度学习智能故障诊断算法在目标域上泛化能力不强的问题。