-
公开(公告)号：CN117909854B
公开(公告)日：2024-07-05
申请号：CN202410317308.2
申请日：2024-03-20
Applicant: 东北大学
IPC: G06F18/2411 , G06F18/214 , G06F17/16
Abstract: 本发明属于智能汽车故障诊断技术领域，公开了一种基于多模态对比嵌入的零样本复合故障诊断方法。综合考虑高维特征和低维特征在故障诊断中的作用，解决了复合故障特征堆叠复杂，故障语义信息对特征描述不够充分的问题，不需要专业知识的同时能够获得更好的泛化性能。本发明在复合故障诊断中引入计算机视觉领域的对比学习思想，提供了一种基于对比学习的零样本复合故障诊断方法，解决复合故障的诊断困难，信号样本难以区分，预测精度平衡性差的问题。基于广义零样本学习，提供了一种基于迭代思想的复合故障增量学习框架，解决复合故障样本难以复现和复杂度高的问题。本发明能够在保证精确率的前提下，避免已知故障样本被错误地诊断为未知复合故障。
-
公开(公告)号：CN117664567B
公开(公告)日：2024-04-02
申请号：CN202410122877.1
申请日：2024-01-30
Applicant: 东北大学
IPC: G01M13/04 , G01M13/045 , G06F18/24 , G06F18/213 , G06N3/084 , G06N3/0464
Abstract: 本发明属于故障诊断技术领域，公开了一种面向多源域不平衡数据的滚动轴承跨域故障诊断方法。特征提取模块从轴承原始振动信号中自动提取故障特征。状态预测模块，利用特征提取模块提取的特征预测轴承健康状态，最小化所有源域样本的分类损失。对比语义对齐模块，利用特征提取模块提取的特征计算对比语义对齐损失，最小化各个源域之间的对比语义对齐损失。权重生成模块，利用每个源域中各个故障类别的样本数量分布情况生成权重，分别对分类损失和对比语义对齐损失进行加权。最终利用特征提取模块和状态预测模块实现跨域故障诊断。本发明既解决跨域潜在的巨大分布差异，又可以处理多源域的数据不平衡问题。
-
公开(公告)号：CN117909854A
公开(公告)日：2024-04-19
申请号：CN202410317308.2
申请日：2024-03-20
Applicant: 东北大学
IPC: G06F18/2411 , G06F18/214 , G06F17/16
Abstract: 本发明属于智能汽车故障诊断技术领域，公开了一种基于多模态对比嵌入的零样本复合故障诊断方法。综合考虑高维特征和低维特征在故障诊断中的作用，解决了复合故障特征堆叠复杂，故障语义信息对特征描述不够充分的问题，不需要专业知识的同时能够获得更好的泛化性能。本发明在复合故障诊断中引入计算机视觉领域的对比学习思想，提供了一种基于对比学习的零样本复合故障诊断方法，解决复合故障的诊断困难，信号样本难以区分，预测精度平衡性差的问题。基于广义零样本学习，提供了一种基于迭代思想的复合故障增量学习框架，解决复合故障样本难以复现和复杂度高的问题。本发明能够在保证精确率的前提下，避免已知故障样本被错误地诊断为未知复合故障。
-
公开(公告)号：CN117708656A
公开(公告)日：2024-03-15
申请号：CN202410160245.4
申请日：2024-02-05
Applicant: 东北大学
IPC: G06F18/24 , G01M13/04 , G06F18/213 , G06N3/094 , G06N3/0985 , G06N3/0475
Abstract: 本发明属于故障诊断技术领域，公开了一种面向单源域的滚动轴承跨域故障诊断方法。通过源域样本训练域生成模块，生成多个伪域样本；源域样本和生成的伪域样本同时训练任务诊断模块，输出预测的轴承健康状态；交替训练域生成模块和任务诊断模块；训练过程中，域生成模块通过最大限度地提高伪域样本与源域样本之间的分布差异以及伪域样本之间的分布差异，模拟未知目标域，同时通过正则化保持伪域样本与源域样本的语义一致性和流形一致性保证生成伪域样本的有效性；通过训练得到的域生成模块和任务诊断模块，从单域泛化得到未知目标域。本发明的方法相比于现有主流方法具有更强的有效性和优越性。
-
公开(公告)号：CN120046142A
公开(公告)日：2025-05-27
申请号：CN202510115140.1
申请日：2025-01-24
Applicant: 东北大学
IPC: G06F21/55 , G06F21/56 , G06F18/214 , G06F18/23213 , G06N20/00 , G06N5/04
Abstract: 本发明属于机器学习技术领域，公开了一种面向黑盒联邦学习的中毒成员推理攻击方法，通过将中毒影响作为推理攻击的依据，展示了仅通过全局模型黑盒权限的推理成功的可能性。通过量化不同样本的对中毒攻击的影响，可以以无监督的方式侵犯客户端的成员隐私。首先本发明是一种黑盒攻击，攻击者仅可以获取全局模型的黑盒权限；其次，本发明无需有关样本的任何先验知识就可以开展攻击；最后，本发明对全局模型的影响很小，保证了攻击尽可能地隐蔽。本发明首先使用针对目标样本的中毒策略来毒害全局模型，其次在不同的训练轮次中对目标样本的预测结果进行度量，最后利用无监督算法对一系列的度量值进行二分类，从而实施成员推理攻击。
-
Patent Agency Ranking
公开(公告)号：CN119901491A
公开(公告)日：2025-04-29
申请号：CN202510114538.3
申请日：2025-01-24
Applicant: 东北大学
IPC: G01M13/04 , G06N3/0455 , G06N3/0475 , G06N3/0895
Abstract: 本发明属于故障诊断技术领域，公开一种面向有限数据的半监督滚动轴承跨域故障诊断方法。源域有标签数据经强增强模块生成强增强数据；强增强数据和源域有标签数据经决策边界自适应模块获得决策边界；根据决策边界为源域无标签数据确定其伪标签；源域有标签数据进行弱增强，根据弱增强数据计算初始置信度，并生成置信度阈值；置信度阈值对源域无标签数据的伪标签进行标签筛选，得到纯化数据；纯化数据输入语义对齐模块和健康状态分类模块到网络模型中进行训练，得到可用于诊断的模型。本发明所提出的方法既解决跨域潜在的巨大分布差异问题，同时也可以解决源域数据只有少量数据有标签的问题，可以进一步促进跨域故障诊断模型在实际生产中的应用。
-
公开(公告)号：CN119885033A
公开(公告)日：2025-04-25
申请号：CN202510113099.4
申请日：2025-01-24
Applicant: 东北大学
IPC: G06F18/2433 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464
Abstract: 本发明属于故障诊断领域，公开一种面向单域不平衡数据的滚动轴承故障诊断方法。设计基于解耦混合的单域平衡数据生成模块、基于损失驱动的多域平衡数据生成模块、将单域不平衡数据转化为单域平衡数据，然后再将单域平衡数据转化为多域平衡数据；所述多域平衡数据经语义对齐后进行特征提取，得到健康状态类别。本发明所提出的方法既能够解决多域数据分布差异给模型带来的训练问题，同时可以处理单一源域和不平衡数据带来的问题，优于其他现有方法，具有较为重要的实际应用价值，可以进一步促进故障诊断模型在实际生产环境中的广泛应用。
-
公开(公告)号：CN117854045B
公开(公告)日：2024-07-05
申请号：CN202410241292.1
申请日：2024-03-04
Applicant: 东北大学
IPC: G06V20/58 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉应用技术领域，公开一种面向自动驾驶的车辆目标检测方法。为了解决独立检测特征图存在的特征孤岛问题，基于特征金字塔的思想提出了双向连接。结合Inception结构和残差网络模块设计一种多分支预测模块来捕捉更大范围的目标特征信息。采用不同空洞率、不同大小和不同数量的空洞卷积构成多感受野模块来直接增大检测特征图感受野的大小，并将其融合起来得到融合特征图。采用一种基于IOU方式的k‑means++聚簇生成锚框的设计来选择更加合理的锚框。综上所述，Bi‑Net算法更适合作为自动驾驶中的目标检测算法，以保证车辆顺利完成自动驾驶任务。
-
公开(公告)号：CN117708656B
公开(公告)日：2024-05-10
申请号：CN202410160245.4
申请日：2024-02-05
Applicant: 东北大学
IPC: G06F18/24 , G01M13/04 , G06F18/213 , G06N3/094 , G06N3/0985 , G06N3/0475
Abstract: 本发明属于故障诊断技术领域，公开了一种面向单源域的滚动轴承跨域故障诊断方法。通过源域样本训练域生成模块，生成多个伪域样本；源域样本和生成的伪域样本同时训练任务诊断模块，输出预测的轴承健康状态；交替训练域生成模块和任务诊断模块；训练过程中，域生成模块通过最大限度地提高伪域样本与源域样本之间的分布差异以及伪域样本之间的分布差异，模拟未知目标域，同时通过正则化保持伪域样本与源域样本的语义一致性和流形一致性保证生成伪域样本的有效性；通过训练得到的域生成模块和任务诊断模块，从单域泛化得到未知目标域。本发明的方法相比于现有主流方法具有更强的有效性和优越性。
-
公开(公告)号：CN117854045A
公开(公告)日：2024-04-09
申请号：CN202410241292.1
申请日：2024-03-04
Applicant: 东北大学
IPC: G06V20/58 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉应用技术领域，公开一种面向自动驾驶的车辆目标检测方法。为了解决独立检测特征图存在的特征孤岛问题，基于特征金字塔的思想提出了双向连接。结合Inception结构和残差网络模块设计一种多分支预测模块来捕捉更大范围的目标特征信息。采用不同空洞率、不同大小和不同数量的空洞卷积构成多感受野模块来直接增大检测特征图感受野的大小，并将其融合起来得到融合特征图。采用一种基于IOU方式的k‑means++聚簇生成锚框的设计来选择更加合理的锚框。综上所述，Bi‑Net算法更适合作为自动驾驶中的目标检测算法，以保证车辆顺利完成自动驾驶任务。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
