公开(公告)号：CN118152883A

公开(公告)日：2024-06-07

申请号：CN202410300728.X

申请日：2024-03-15

Applicant: 西安交通大学

Inventor： 温广瑞 ,  缪政辉 ,  刘子岷 ,  苏宇 ,  雷子豪 ,  许权宁 ,  邓杰伟 ,  齐晓纲 ,  孟璋轩

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明公开了一种轴承故障诊断方法、装置、设备及可读存储介质，包括：将待诊断工况下的振动信号输入训练好的轴承故障诊断模型中，输出故障诊断结果；其中，所述训练好的轴承故障诊断模型的训练方法为：分别将待诊断工况下不同类别仿真故障信息的振动信号和待诊断工况下已知故障信息的振动信号作为源域数据集和目标域数据集；将所述源域数据集作为强化学习算法的输入，自适应搭建得到多个不同的仿真故障诊断模型；利用所述目标域数据集对诊断准确率最佳的仿真故障诊断模型进行训练，得到所述训练好的轴承故障诊断模型。本发明的目的在于解决模拟实验故障数据获取难度大和成本高，直接故障仿真数据导致诊断精度低的问题。

公开(公告)号：CN119598317A

公开(公告)日：2025-03-11

申请号：CN202411647099.4

申请日：2024-11-18

Applicant: 西安交通大学

Inventor： 温广瑞 ,  邓帅卿 ,  任芷珍 ,  雷子豪 ,  邓杰伟 ,  苏宇 ,  张志芬

IPC: G06F18/2415 ,  G01M13/045 ,  G06F18/214 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464

Abstract: 本发明公开了一种旋转机械设备故障故障诊断方法及相关装置，获取待诊断旋转机械设备的振动信号；将振动信号输入预先训练好的故障诊断模型中，输出诊断结果。其中，故障诊断模型是采用训练数据训练知识蒸馏引导的代价敏感集成学习网络得到的，训练数据包括不同故障对应的振动信号以及故障标签，知识蒸馏引导的代价敏感集成学习网络包括依次连接的多尺度特征编码模块、多深度知识集成模块和分类器模块，多尺度特征编码模块包括多尺度特征提取模块和高阶交互融合模块，多深度知识集成模块包括多深度特征提取模块和多深度知识融合模块，知识蒸馏引导的代价敏感集成学习网络的训练分为第一训练阶段和第二训练阶段，第一训练阶段采用的损失函数为多深度知识自适应迁移损失函数，第一训练阶段训练结束后冻结模型参数。本发明的目的在于解决了旋转机械设备故障诊断中数据不平衡的问题。

公开(公告)号：CN117332333A

公开(公告)日：2024-01-02

申请号：CN202311267722.9

申请日：2023-09-27

Applicant: 西安交通大学

Inventor： 温广瑞 ,  邓杰伟 ,  杨萌 ,  苏宇 ,  雷子豪 ,  邓帅卿 ,  缪政辉 ,  张志芬

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/21 ,  G06F30/20 ,  G01M13/045

Abstract: 本发明公开了一种数字孪生驱动的轴承状态监测及故障预警方法及系统，建立轴承数字孪生模型，完成变载工况下的轴承服役模拟仿真，获取轴承在运行中的振动信号与实际监测轴承运行振动信号进行对比，以达到故障预警的目的，通过建立与物理世界对应的数字孪生模型，通过贝叶斯算法完成第一阶段的模型优化，然后引入最小二乘法进一步提升模型精度，使其获得更加精确的预测结果；同时，数据库中的特征提取可以有效防止无关信号对故障预测的影响。本发明能够实现复杂多变工况下的轴承状态检测及故障预警分析，减少旋转机械停机时间，降低机器的运维成本，对于提高旋转机械运行可靠性有重要意义。