公开(公告)号：CN118965104A

公开(公告)日：2024-11-15

申请号：CN202410992892.1

申请日：2024-07-24

Applicant: 东北林业大学

Inventor： 李学艺 ,  康博 ,  李思鑫 ,  李岱优 ,  谢怡宁

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0455 ,  G01M13/045

Abstract: 本发明公开了一种新型故障诊断框架，即MFSFormer，包括多尺度卷积模块、Fuse‑Shuffle注意力模块和模型架构。所述新型故障诊断框架包括三个部分，所述多尺度卷积模块集成多个具有不同大小内核的卷积层作为嵌入模块来代替传统Transformer中的嵌入模块和位置编码模块。所述Fuse‑Shuffle注意力模块，通过对输入信号进行分组并分支，来计算生成注意力映射。所述MFSFormer架构是由一个输入层，特征提取层和一个输出层组成。其中输入层由池化层、卷积层和批归一化组成。本发明开发的方法在噪音环境下更具鲁棒性，在样本有限的条件下具有更好的诊断性能。该方法适用性广泛，能应用到更加复杂的工程实践中。

公开(公告)号：CN118913694A

公开(公告)日：2024-11-08

申请号：CN202410917134.3

申请日：2024-07-10

Applicant: 东北林业大学

Inventor： 李学艺 ,  李思鑫 ,  李岱优 ,  赵晶 ,  谢怡宁

IPC: G01M13/045 ,  G06F18/213 ,  G06F18/214 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/0985

Abstract: 基于改进的模型无关元学习的少样本跨域轴承故障诊断方法和系统，涉及少样本跨域条件下机械故障诊断领域。本发明是为了解决现有轴承故障诊断方法无法在样本极少和工况变化时取得良好的诊断结果这一问题。本发明包括：获得待诊断的轴承原始振动信号，计算振动信号的自相似性将其转化为特征丰富且不受工况变化影响的二维递归图；改进模型无关元学习方法：将训练调控变量加入到内环训练中；构建基于并行协同注意力的特征编码器：由二维卷积模块、并行协同注意力模块、全连接层依次连接组成；利用支持集和查询集训练基于并行协同注意力的特征编码器：利用其他工况下的跨域振动信号测试训练好的基于并行协同注意力的特征编码器。本发明用于轴承的少样本跨域故障诊断。