-
公开(公告)号：CN111738346A
公开(公告)日：2020-10-02
申请号：CN202010597430.1
申请日：2020-06-28
Applicant: 辽宁大学
Abstract: 一种生成式对抗网络估值的不完整数据聚类方法，步骤如下：(1)确定最近邻样本；(2)生成式对抗网络估值填补缺失数据，区间化填补数据；(3)提出生成对抗网络估值的区间数据模糊C均值聚类；(4)利用步骤(3)中聚类方法对步骤(2)中得到的区间型数据集进行聚类，得到聚类结果，与四种经典方法进行实验结果对比，以此验证本发明的有效性。利用UCI数据库中的生物数据集鸢尾花Iris、医学数据集成年人肝病Bpua和医疗数据集乳腺癌症Breast，在四种缺失率的情况下与四种经典方法进行实验，验证本发明方法有更高的聚类准确率。
-
公开(公告)号：CN111626361A
公开(公告)日：2020-09-04
申请号：CN202010466928.4
申请日：2020-05-28
Applicant: 辽宁大学
Abstract: 一种改进胶囊网络优化分层卷积的轴承亚健康识别方法，首先提出多输入分层的CNN，将数据输入到三个并行的不同大小的卷积核中处理，多角度的提取信号中的亚健康信息。然后将卷积后的结果输入到改进的胶囊网络进行亚健康识别，改进的胶囊网络采用修剪机制，根据阈值修剪耦合系数，同时使用参数修正的动态路由更新方法，确保动态路由的更新过程更加准确、稳定。最后得到实测的轴承数据。通过本发明方法能正确识别轴承数据的状态。
-
公开(公告)号：CN108106844A
公开(公告)日：2018-06-01
申请号：CN201711169602.X
申请日：2017-11-22
Applicant: 辽宁大学
Abstract: 一种自适应参数调节的自动编码机的轴承故障诊断方法，基本步骤如下：1)对轴承振动信号的采样；2)对轴承信号的预处理；3)对深度网络代价函数，结点数与结构确定；4)参数自适应调节；5)故障划分。该方法首先对当前数据做出降噪处理，在降噪的同时也进行降维处理，并通过归一化后的‘干净’数据进入深度网络进行训练，通过稀疏自动编码器的特性，对边缘降噪走动编码器隐含层神经元进行稀疏性限制，结合Ada‑grad学习策略不断调节当前学习率的参数使其达到最优，从而达到一种快收敛，高精度的分类效果。最后通过与传统的自动编码机在轴承故障分类上进行对比，从而验证本发明的有效性和鲁棒性强的特点。
-
公开(公告)号：CN117290697A
公开(公告)日：2023-12-26
申请号：CN202210695405.6
申请日：2022-06-20
Applicant: 辽宁大学
IPC: G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06F18/24 , G06F18/10 , G06F18/214 , G06F18/25 , G06N3/048 , G06N3/047 , G06N3/096
Abstract: 融合注意力机制的双路卷积和BiGRU少量样本故障诊断方法，步骤如下：(1)振动信号采样；(2)数据处理；(3)提出模型结构；(4)离线训练；(5)在线诊断；本发明设计并实现一种融合注意力机制的双路卷积和BiGRU少量样本故障诊断方法。针对智能故障诊断受到有限标签样本影响，导致精度低等问题，提出一种融合注意力机制的双路卷积和BiGRU少量样本故障诊断方法。首先利用双路卷积提取信号高低频特征。其次，提出一种注意力机制通过分配权重和选择敏感信息实现估值融合后的特征。然后，通过BiGRU得到不同时间序列位置隐藏信息。最后实现复杂工况下故障诊断。本发明方法在凯斯西储大学轴承数据集和康涅狄格大学齿轮箱数据集上对比实验，验证本发明方法具有良好诊断效率和应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110197216A
公开(公告)日：2019-09-03
申请号：CN201910431765.3
申请日：2019-05-23
Applicant: 辽宁大学
IPC: G06K9/62
Abstract: 本发明涉及一种自适应区间的不完整数据加权聚类方法，步骤如下：(1)确定最近邻样本；(2)自适应区间化填补缺失数据；(3)提出自适应区间型数据加权模糊C均值聚类；(4)利用步骤(3)中聚类方法对步骤(2)中得到的区间型数据集进行聚类，得到聚类结果，与四种经典方法和四种近几年相关学者提出的方法进行实验结果对比，以此验证本发明的有效性。利用UCI数据库中的生物数据集鸢尾花Iris、医疗数据集乳腺癌症Breast和医学数据集成年人肝病Bpua，在四种缺失率的情况下与四种经典方法和四种近几年相关学者提出的方法进行实验，证明本发明方法有更高的聚类准确率。
-
公开(公告)号：CN109034231A
公开(公告)日：2018-12-18
申请号：CN201810785729.2
申请日：2018-07-17
Applicant: 辽宁大学
CPC classification number: G06K9/6223 , G06K9/6256 , G06N3/0445 , G06N7/02
Abstract: 本发明涉及一种信息反馈RBF网络估值的不完整数据模糊聚类方法，步骤如下：1)提出信息反馈RBF网络模型；2)，提出一种信息反馈RBF数值型估值的不完整数据模糊聚类方法(IFRBF‑FCM)；3)利用最近邻规则为不完整数据样本选取相应的训练样本集，利用最近邻训练样本集为每个缺失属性训练IFRBF网络，从而实现对不完整数据样本中缺失属性的估值预测，得到IFRBF网络估值恢复后的完整数据集；4)对不完整数据属性的估值区间进行确定，提出了一种IFRBF区间型估值的不完整数据模糊聚类方法(IFRBF‑IFCM)，得到模糊聚类结果。本发明采用IFRBF网络对不完整数据集进行估值得到的恢复完整的数据集的聚类结果与对比方法相比提高了准确率，比数值型估值的聚类结果更准确，鲁棒性也更好。
-
公开(公告)号：CN117475191A
公开(公告)日：2024-01-30
申请号：CN202310791257.2
申请日：2023-06-30
Applicant: 辽宁大学
IPC: G06V10/764 , G06V10/774 , G06V10/24 , G06V10/40 , G06N3/0464 , G06V10/82
Abstract: 一种特征对齐域对抗神经网络故障诊断方法，步骤如下：(1)信号采集；(2)数据扩充；(3)特征学习；(4)故障分类。改进特征对齐生成对抗网络构建真实数据与生成数据的最大均值差异机制，以卷积模块代替全连接模块，以实现对不平衡数据的扩充，可以满足域对抗神经网络DANN中源域与目标域数量平衡需求。DANN领域判别器对齐域间特征分布的同时会弱化特征提取器提取到的域内分类特征，为了使DANN标签分类器分类更准确，建立多尺度注意力机制筛选出重要故障相关信息，提取域判别不变下分类相关特征，并构建熵最小标签分类器，提高模型泛化能力。改进的域对抗神经网络可以更好的识别目标域样本的故障类别，完成滚动轴承不平衡样本下的故障识别。
-
公开(公告)号：CN113190931A
公开(公告)日：2021-07-30
申请号：CN202110590877.0
申请日：2021-05-28
Applicant: 辽宁大学
IPC: G06F30/17 , G06F30/27 , G06N3/00 , G06N3/08 , G06F111/08 , G06F119/10
Abstract: 一种改进灰狼优化DBN‑ELM的亚健康状态识别方法，步骤为：(1)信号采样；(2)降噪处理；(3)特征选择；(4)数据归一化处理；(5)亚健康状态识别。本发明设计并实现一种改进灰狼优化DBN‑ELM的亚健康状态识别方法。针对灰狼算法全局与局部搜索能力不均衡问题，将灰狼算法本身的线性收敛因子改进成非线性收敛因子以此来平衡搜索能力，同时通过引用自适应权重策略提升算法收敛速度；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将处理后数据输入改进灰狼算法优化的DBN‑ELM模型中进行训练测试。实验结果表明：本发明方法在故障诊断方面，能够满足用户所设定功能和性能需求，具有较高的亚健康识别精度，较好的鲁棒性和泛化能力，具备良好的工业应用前景。
-
公开(公告)号：CN110348468A
公开(公告)日：2019-10-18
申请号：CN201910388451.X
申请日：2019-05-10
Applicant: 辽宁大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法，包括以下步骤：(1)信号采样；(2)降噪处理；(3)特征提取；(4)故障诊断划分；(5)机械设备状态诊断。本发明使用两种核函数权重相加的方式代替原来单一核函数单独作用，改进相关向量机。在Fisher准则和最大熵准则共同作用下求解输入样本映射到特征空间中的方差，确定核函数权重系数。由求得的权重系数，初始化参数，估计超参数，最后得到滚动轴承亚健康识别分类。本发明解决边缘降噪自动编码器约束条件有限、数据压缩能力弱、重构误差大，特征数据表达能力弱的问题，提出了一种了识别准确率高的一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.022 seconds)
