公开(公告)号：CN116502131B

公开(公告)日：2023-11-24

申请号：CN202310760426.6

申请日：2023-06-26

申请人： 清华大学

发明人： 刘岳开 ,  王天杨 ,  褚福磊

IPC分类号： G06F18/24 ,  G06N20/00 ,  G01M13/04 ,  G01M13/045

摘要： 本申请公开了一种基于迁移学习的轴承故障诊断模型训练方法及装置。该方法应用于机械设备故障诊断技术领域，其中，该方法包括：分别获取在多个第一采集周期采集到的轴承的第一运行数据集，以及在第二采集周期采集到的轴承的第二运行数据集；从每个第一运行数据集中随机选取目标第一运行数据；分别确定第二运行数据集与每个目标第一运行数据之间的分布特性差异值；对多个分布特性差异值进行加权求和，得到分布特性差异值加权和值；响应于分布特性差异值加权和值满足预设条件，以多个目标第一运行数据和第二运行数据集作为训练样本，对机器学习模型进行训练，得到轴承故障诊断模型。根据本申请实施例，提高了对轴承故障预测的准确性。

公开(公告)号：CN116541713A

公开(公告)日：2023-08-04

申请号：CN202310764976.5

申请日：2023-06-27

申请人： 清华大学

发明人： 刘岳开 ,  王天杨 ,  褚福磊

IPC分类号： G06F18/214 ,  G01M13/045 ,  G06F18/24 ,  G06N3/096

摘要： 本申请提供一种基于局部时频特征迁移学习的轴承故障诊断模型训练方法，应用于机械技术领域。该方法包括：获取参考轴承的源域振动信号及待测轴承的目标域振动信号；根据源域振动信号确定局部时频谱矩阵；接收局部时频谱矩阵的特征信息，根据携带特征信息的局部时频谱矩阵构建源域训练集；利用源域训练集对源域轻量级深度学习模型进行训练，获取源域轴承故障诊断模型；建立目标域轻量级深度学习模型，将源域轴承故障诊断模型的参数迁移至目标域轻量级深度学习模型；根据目标域振动信号构建目标域训练集，利用目标域训练集对目标域轻量级深度学习模型的参数进行调整，获取目标域轴承故障诊断模型，以识别待测轴承的故障，提高了精准率。

公开(公告)号：CN116502131A

公开(公告)日：2023-07-28

申请号：CN202310760426.6

申请日：2023-06-26

申请人： 清华大学

发明人： 刘岳开 ,  王天杨 ,  褚福磊

IPC分类号： G06F18/24 ,  G06N20/00 ,  G01M13/04 ,  G01M13/045

摘要： 本申请公开了一种基于迁移学习的轴承故障诊断模型训练方法及装置。该方法应用于机械设备故障诊断技术领域，其中，该方法包括：分别获取在多个第一采集周期采集到的轴承的第一运行数据集，以及在第二采集周期采集到的轴承的第二运行数据集；从每个第一运行数据集中随机选取目标第一运行数据；分别确定第二运行数据集与每个目标第一运行数据之间的分布特性差异值；对多个分布特性差异值进行加权求和，得到分布特性差异值加权和值；响应于分布特性差异值加权和值满足预设条件，以多个目标第一运行数据和第二运行数据集作为训练样本，对机器学习模型进行训练，得到轴承故障诊断模型。根据本申请实施例，提高了对轴承故障预测的准确性。

公开(公告)号：CN118228111A

公开(公告)日：2024-06-21

申请号：CN202410352549.0

申请日：2024-03-26

申请人： 清华大学

发明人： 秦朝烨 ,  李奇 ,  刘岳开 ,  孙仕林 ,  张飞斌 ,  褚福磊

IPC分类号： G06F18/241 ,  G06F18/10 ,  G06F18/21 ,  G06N3/0499 ,  G06N3/08 ,  G06N5/022

摘要： 本公开涉及电信号处理方法技术领域，具体提供了一种故障信号的诊断方法，可以应用于故障诊断技术领域和人工智能领域。该方法包括：获得待诊断的故障信号，构建与故障信号相关的信号处理模块，利用信号处理模块对所获得的信号进行处理，获得故障特征增强的信号；确定多个故障特征增强的信号的特征；对特征利用全连接神经网络进行分类，根据分类，确定对故障信号的诊断结果；将确定的诊断结果与已知的诊断结果进行比较；根据比较的结果，对前述步骤中选取的参数进行修正；利用修正后的参数，对新的故障信号进行处理，确定故障信号的诊断结果。

公开(公告)号：CN116541713B

公开(公告)日：2023-12-12

申请号：CN202310764976.5

申请日：2023-06-27

申请人： 清华大学

发明人： 刘岳开 ,  王天杨 ,  褚福磊

IPC分类号： G06F18/214 ,  G01M13/045 ,  G06F18/24 ,  G06N3/096

摘要： 本申请提供一种基于局部时频特征迁移学习的轴承故障诊断模型训练方法，应用于机械技术领域。该方法包括：获取参考轴承的源域振动信号及待测轴承的目标域振动信号；根据源域振动信号确定局部时频谱矩阵；接收局部时频谱矩阵的特征信息，根据携带特征信息的局部时频谱矩阵构建源域训练集；利用源域训练集对源域轻量级深度学习模型进行训练，获取源域轴承故障诊断模型；建立目标域轻量级深度学习模型，将源域轴承故障诊断模型的参数迁移至目标域轻量级深度学习模型；根据目标域振动信号构建目标域训练集，利用目标域训练集对目标域轻量级深度学习模型的参数进行调整，获取目标域轴承故障诊断模型，以识别待测轴承的故障，提高了精准率。