公开(公告)号：CN119474974A

公开(公告)日：2025-02-18

申请号：CN202411529710.3

申请日：2024-10-30

Applicant: 东北林业大学

Inventor： 李学艺 ,  冉光圣 ,  王天杨 ,  谢怡宁 ,  王志亮

IPC: G06F18/24 ,  G06N5/04 ,  G06N3/0455 ,  G06N3/096

Abstract: 本发明涉及机械检测领域，尤其涉及一种基于多模态大语言模型的风力发电机的故障诊断方法。本研究创新性地提出了一种基于GPT‑3的数据集构建方案，有效地将PDF格式机械故障相关文献转化为结构化的高质量问答对数据集。随后本研究利用数据集对基座大语言模型进行微调，通过对微调参数调整和微调方法的探索，成功提高模型在机械故障诊断的专业任务的表现。此外，根据实际的使用场景，本研究扩充信号转文本模块，使其能实时地接受机械故障的多模态数据，将数字信号包含的各个特征信息改变为文字的形式传递至大语言模型模块，最后大语言模型输出诊断结果。

公开(公告)号：CN119848625A

公开(公告)日：2025-04-18

申请号：CN202411940198.1

申请日：2024-12-26

Applicant: 东北林业大学

Inventor： 李学艺 ,  李岱优 ,  赵思为 ,  杨宇轩 ,  张家豪 ,  徐海彬 ,  王天杨

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06F30/20 ,  G06N3/0464 ,  G06N3/096 ,  G01M13/021 ,  G01M13/028 ,  G06F119/14

Abstract: 一种基于迁移学习故障诊断模型的齿轮故障诊断方法，本发明涉及基于迁移学习故障诊断模型的齿轮故障诊断方法。本发明的目的是为了解决实际齿轮故障诊断过程中故障样本少，数据不平衡，导致齿轮故障诊断准确率低的问题。过程为：构建齿轮训练集；构建迁移学习故障诊断模型，获得训练好的迁移学习故障诊断模型；具体过程为：迁移学习故障诊断模型依次包括特征提取器和分类器；获得训练好的迁移学习故障诊断模型；过程为：齿轮训练集输入模型的特征提取器，特征提取器输出特征；特征输入分类器，分类器输出分类结果；直至总体损失收敛，获得训练好的模型；将实际齿轮箱的测试集输入训练好的模型，得到诊断结果。本发明用于齿轮故障诊断领域。