公开(公告)号：CN113392575A

公开(公告)日：2021-09-14

申请号：CN202110532763.0

申请日：2021-05-17

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  李龙戈 ,  谢元 ,  陈金龙 ,  刘玲芝

IPC: G06F30/27 ,  G06N20/20 ,  G06F111/08 ,  G06F113/06

Abstract: 本发明公开了一种基于滑窗特征的风机主轴故障预测方法，主要包括：(1)采用如XGBoost、GBDT、CatBoost、LightGBM算法等模型进行特征的自动选择以及特征的非线性转换；(2)使用原始风机特征训练风机的时序特性问题，对风机时间特征进行提取，并将数据集进行分割切片。(3)基于滑动窗口对故障标签、风机状态特征处理，完成滑窗特征的构造。(4)采用stacking集成策略，对各个模型的预测结果进行加权计算。本发明设计了一系列可以表征当前风机运行状态的滑窗特征，通过构造滑窗特征的方式解决风机特征单一和故障状态缓变特性问题，最后将融合滑窗特征后的模型与使用原始风机特征训练的模型进行对比，显现出预测效果有一定程度的提升。

公开(公告)号：CN113392575B

公开(公告)日：2023-06-20

申请号：CN202110532763.0

申请日：2021-05-17

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  李龙戈 ,  谢元 ,  陈金龙 ,  刘玲芝

IPC: G06F30/27 ,  G06N20/20 ,  G06F111/08 ,  G06F113/06

Abstract: 本发明公开了一种基于滑窗特征的风机主轴故障预测方法，主要包括：(1)采用如XGBoost、GBDT、CatBoost、LightGBM算法等模型进行特征的自动选择以及特征的非线性转换；(2)使用原始风机特征训练风机的时序特性问题，对风机时间特征进行提取，并将数据集进行分割切片。(3)基于滑动窗口对故障标签、风机状态特征处理，完成滑窗特征的构造。(4)采用stacking集成策略，对各个模型的预测结果进行加权计算。本发明设计了一系列可以表征当前风机运行状态的滑窗特征，通过构造滑窗特征的方式解决风机特征单一和故障状态缓变特性问题，最后将融合滑窗特征后的模型与使用原始风机特征训练的模型进行对比，显现出预测效果有一定程度的提升。

公开(公告)号：CN115527094A

公开(公告)日：2022-12-27

申请号：CN202211328913.7

申请日：2022-10-27

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  刘玲芝 ,  杨先一 ,  张世豪

IPC: G06V10/82 ,  G06V10/80 ,  G06N3/04

Abstract: 本发明提供了一种目标检测方法以及检测系统，所述检测方法包括：采用主干特征提取网络，对输入的图片进行特征提取得到特征图；对所述特征图进行多分支空洞卷积注意力处理，加强感兴趣信息的特征表示，经过双向特征金字塔结构，丰富不同层级的特征信息；利用所述双向特征金字塔结构产生的多尺度特征对目标的位置和类别进行预测。本发明的目标检测方法，通过多尺度注意力特征金字塔网络和广义交并比损失函数(GIoU)，捕获多尺度上下文信息，将高层特征和低层特征有效融合，丰富不同层级的特征信息，使模型更加准确地定位和识别感兴趣的物体，从而进一步提高目标检测的精度。

公开(公告)号：CN113392578A

公开(公告)日：2021-09-14

申请号：CN202110544470.4

申请日：2021-05-19

Applicant: 桂林电子科技大学

Inventor： 强保华 ,  李龙戈 ,  谢元 ,  陈金龙 ,  刘玲芝

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06F111/08

Abstract: 本发明公开了一种基于DCFM模型的设备故障预测方法，所述方法通过搭建一种能够充分探索设备高低阶特征信息的DCFM模型结构，从而实现设备信息更深层次、更全面的提取，提高设备故障预测模型的分类效果，同时该模型对设备的特征进行自动叉乘，可以在一定程度上弥补传统机器学习方法依赖特征工程的劣势。另外，DCFM模型的FM模块基于隐向量可以实现对稀疏数据的二阶特征参数进行细腻学习；FM和CrossNetwork模块的学习效率均为线性级别复杂度，在一定程度上提高了模型的训练速度，有利于模型的快速构建，相比较其他复杂的机器学习以及深度学习模型，DCFM模型可以满足设备部件在线预测对时间响应及准确度方面的需求。