一种基于分类器差异软权自适应网络的故障诊断方法

    公开(公告)号:CN116106008B

    公开(公告)日:2024-09-06

    申请号:CN202211699746.7

    申请日:2022-12-28

    申请人: 苏州大学

    摘要: 本发明公开了一种基于分类器差异软权自适应网络的故障诊断方法、装置、设备以及计算机可读存储介质,本发明由特征提取器、离群分类器与两个状态分类器三部分构成,特征提取器用于提取源域和目标域不同类别的可迁移特征,两个不同的状态分类器基于提取到的可转移特征进行标签预测;离群分类器对目标域样本进行伪标签学习,从而自动分离共享类和离群类样本;本发明构造了一个样本软权重项,以自适应地测量目标样本属于跨域共享标签空间的概率,设计了一个加权分类器差异损失来获取共享类样本的跨域不变特征,本发明诊断精度高,鲁棒性强,适用于变工况类型差异下的开集迁移故障诊断任务,可广泛应用于机械、电力、化工、航空等领域。

    一种自适应多变量故障特征提取与增强方法

    公开(公告)号:CN118094201A

    公开(公告)日:2024-05-28

    申请号:CN202410524561.5

    申请日:2024-04-29

    申请人: 苏州大学

    IPC分类号: G06F18/213 G06F18/25

    摘要: 本发明公开了智能运维技术领域的一种自适应多变量故障特征提取与增强方法,方法包括:采集多变量振动信号;根据所述多变量振动信号的采样频率获取初始频率,根据多维拓展后的变分模式提取方法对所述初始频率进行一次更新获得更新后的频率,将所述初始频率和更新后的频率作差以获取一次更新前后频率之差的正负转变点,根据所述正负转变点获取联合特征信息;将所述联合特征信息输入预构建的多变量模式提取模型以提取多变量故障模式;通过多变量故障模式的融合包络谱降低所述多变量故障模式中的带内噪声以突出故障特征频率进行故障特征识别。本发明能够解决多变量信号中故障特征提取困难,大量的带内噪声导致重要故障信息被淹没的技术问题。

    一种基于双对比架构的模式识别方法

    公开(公告)号:CN116304603A

    公开(公告)日:2023-06-23

    申请号:CN202310346327.3

    申请日:2023-04-03

    摘要: 本发明提出了一种基于双对比架构的模式识别方法,用以解决现有模式识别方法中极低标签率下准确率不高的问题,步骤为:数据预处理:将一维振动信号增强为不同参数下的二维时频信号;双对比架构搭建:通过三个并联的编码器搭建双对比架构;负例集初始化:通过编码器对随机样本编码填充负例集;双对比架构训练:用无标签数据训练双对比架构;标签扩散:用有标签数据给部分无标签数据打标签;模式识别模型训练:用标签扩散后的有标签数据集训练模型;模式识别:用训练好的模式识别模型对输入数据进行模式识别。本发明具有以下优点:数据特征提取能力强;所需有标签数据少;模型收敛速度快;模式识别准确率高。

    一种区域轨道高绝缘的杂散电流防护方法及系统

    公开(公告)号:CN115923603A

    公开(公告)日:2023-04-07

    申请号:CN202211347699.X

    申请日:2022-10-31

    申请人: 苏州大学

    IPC分类号: B60M5/00 H02J3/00

    摘要: 本发明公开了一种区域轨道高绝缘的杂散电流防护方法及系统,用于实现地铁线路与埋地金属管线交叉或平行的防护区域的杂散电流防护。本发明区域轨道高绝缘的杂散电流防护方法及系统针对地铁线路与埋地金属管线交叉或平行的重点区域,通过在防护区域两端的走行轨加设绝缘节和直流断路器,并使用跨接电缆连接区域两侧的走行轨,不仅能够减少防护区域内的杂散电流的泄漏,还能降低线路内其他区域的电流流经防护区域时所产生的杂散电流,从而在降低防护成本的同时,大幅提升防护区域的走行轨及周边设备、系统的安全性、可靠性及使用寿命。

    滚动轴承类不平衡故障诊断方法及系统

    公开(公告)号:CN114563186B

    公开(公告)日:2023-01-06

    申请号:CN202210074063.6

    申请日:2022-01-21

    申请人: 苏州大学

    IPC分类号: G01M13/045 G06N3/04 G06N3/08

    摘要: 本发明涉及一种滚动轴承类不平衡故障诊断方法,包括对少数类故障样本进行变参数时频分析,对多数类正常样本进行单一参数时频分析,得到类平衡的时频特征数据集;利用时频注意力机制网络模型进行特征增强处理,得到时频特征增强数据集;构建故障诊断模型;利用时频特征增强数据集对构建的故障诊断模型进行训练,得到训练好的故障诊断模型;对未知健康状态的轴承振动信号进行单一参数时频分析,利用故障诊断模型得到轴承的健康状态。扩充的数据样本具有较高的一致性和多样性,无需优化时频分析的参数,能够有效滤除时频特征中的噪声,且大大提高轴承类不平衡故障诊断的准确率。

    基于综合平衡网络的类不平衡轴承智能诊断方法

    公开(公告)号:CN115545070A

    公开(公告)日:2022-12-30

    申请号:CN202211113733.7

    申请日:2022-09-14

    申请人: 苏州大学

    摘要: 本发明公开了一种基于综合平衡网络的类不平衡轴承智能诊断方法,包括以下步骤:步骤(1)、数据预处理:对轴承不平衡数据集中的每个振动信号进行短时傅里叶变换,获取信号的时频谱;步骤(2)、模型搭建:将不平衡分布学习模块、平衡分布学习模块、重加权模块和分类器重平衡模块进行组合,搭建综合平衡网络模型;步骤(3)、模型训练:利用不平衡数据集的时频谱数据,按照给定的训练步骤、损失函数和优化算法训练综合平衡网络模型;步骤(4)、故障诊断:将待测轴承振动信号的时频谱输入到训练好的综合平衡网络模型中,得到故障诊断结果。本发明,轴承振动信号的特征提取能力强、轴承故障诊断的准确率高。

    一种钢轨波磨检测方法及系统
    7.
    发明公开

    公开(公告)号:CN115112061A

    公开(公告)日:2022-09-27

    申请号:CN202210742688.5

    申请日:2022-06-28

    申请人: 苏州大学

    摘要: 本发明涉及一种钢轨波磨检测方法及系统,包括:对正常轨道列车轴箱处振动加速度的时域信号进行稀疏优化处理,根据稀疏重构后的时域信号幅值和频域信号能量设置轨道波磨时域信号报警阈值和频域信号报警阈值,将待检测轨道列车轴箱处振动加速度的时域信号进行稀疏优化处理,将稀疏重构后的时域信号幅值和频域信号能量与时域信号报警阈值和频域信号报警阈值进行比较,当时域信号幅值和频域信号能量均大于报警阈值时,判断待检测轨道存在波磨。本发明提供的钢轨波磨检测方法使用稀疏优化方法对列车轴箱处振动加速度信号进行处理,通过设置报警阈值检测未知轨道区段,检测速度快,不影响列车正常运行,检测结果准确,可信度高。

    滚动轴承类不平衡故障诊断方法及系统

    公开(公告)号:CN114563186A

    公开(公告)日:2022-05-31

    申请号:CN202210074063.6

    申请日:2022-01-21

    申请人: 苏州大学

    IPC分类号: G01M13/045 G06N3/04 G06N3/08

    摘要: 本发明涉及一种滚动轴承类不平衡故障诊断方法,包括对少数类故障样本进行变参数时频分析,对多数类正常样本进行单一参数时频分析,得到类平衡的时频特征数据集;利用时频注意力机制网络模型进行特征增强处理,得到时频特征增强数据集;构建故障诊断模型;利用时频特征增强数据集对构建的故障诊断模型进行训练,得到训练好的故障诊断模型;对未知健康状态的轴承振动信号进行单一参数时频分析,利用故障诊断模型得到轴承的健康状态。扩充的数据样本具有较高的一致性和多样性,无需优化时频分析的参数,能够有效滤除时频特征中的噪声,且大大提高轴承类不平衡故障诊断的准确率。

    变步长多尺度复杂度融合指标的故障严重程度评估方法

    公开(公告)号:CN114037215A

    公开(公告)日:2022-02-11

    申请号:CN202111211555.7

    申请日:2021-10-18

    申请人: 苏州大学

    摘要: 本发明公开了本发明提出了一种基于变步长多尺度复杂度融合指标的故障严重性评估方法。该方法首先提出了变步长多尺度策略,通过优化粗粒化过程,更全面地挖掘了故障特征,该策略解决了传统复杂度指标(LZC)因单尺度分析导致难以挖掘深层次信息的问题,同时也解决了传统多尺度复杂度指标(MLZC)因序列长度随尺度增加而缩短导致计算结果不准确的问题,以此构建了变步长多尺度复杂度指标(VSMLZC)。该发明相比于传统的复杂度指标,能够更准确、全面地挖掘故障特征,实现对旋转设备的早期故障诊断和损伤程度评估。