公开(公告)号：CN117370929A

公开(公告)日：2024-01-09

申请号：CN202311344779.4

申请日：2023-10-17

Applicant: 浙江工业大学

Inventor： 傅雷 ,  姚博文 ,  叶涵宇 ,  张立彬 ,  胥芳

IPC: G06F18/25 ,  G01M13/045 ,  G01N21/3563 ,  G06F18/214 ,  G06F30/20 ,  G06F119/02

Abstract: 本发明涉及机械工程的故障分析和维修技术领域，具体涉及一种多模态数据融合的轴承故障诊断方法，包括步骤：A采集训练集和对应的存有人工诊断的真实轴承故障的标签文件，训练集包括红外图像数据和振动数据；B提取故障轴承的红外图像数据；利用信号变压器提取故障轴承的振动数据；C搭建融合网络，并对提取的红外图像数据和振动数据进行多模态数据融合；D进行训练，设置自适应因子，并计算损失函数，直至损失函数收敛至预设值，以得到训练好的轴承故障诊断模型；E利用训练好的轴承故障诊断模型对待诊断的轴承故障进行诊断。对振动信号数据集和红外数据集进行模态融合，同时考虑到轴承故障的周向特征和径向特征，提高了故障诊断的可靠性。

公开(公告)号：CN117194990A

公开(公告)日：2023-12-08

申请号：CN202311345392.0

申请日：2023-10-17

Applicant: 浙江工业大学

Inventor： 傅雷 ,  姚博文 ,  叶涵宇 ,  张立彬 ,  胥芳

IPC: G06F18/214 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08 ,  G01M13/045

Abstract: 本发明涉及故障诊断技术领域，具体涉及一种轴承故障诊断模型的小样本训练方法及诊断方法，包括步骤：A，采集轴承的工作参数并建立数据集，所述数据集包括公开数据集以及小样本本地数据集；B，建立轴承故障诊断模型，轴承故障诊断模型包括并列设置的一维残差网络和编码器‑解码器结构；C，基于采集到的公开数据集对建立的轴承故障诊断模型进行预训练；D，基于采集到的小样本本地数据集对预训练后的轴承故障诊断模型进行元训练；E，对元训练后的轴承故障诊断模型进行微调，以得到训练好的轴承故障诊断模型，克服了实际中轴承故障样本稀缺而导致故障诊断精度低的问题，能够在样本数量稀缺的条件下，达到高泛化性、高灵活度、高可靠度的效果。