公开(公告)号：CN111666877B

公开(公告)日：2023-08-29

申请号：CN202010507311.2

申请日：2020-06-05

Applicant: 苏州大学

Inventor： 王玉琦 ,  王俊 ,  杜贵府 ,  江星星 ,  石娟娟

IPC: G06F18/2131 ,  G06F18/25

Abstract: 本发明公开了一种基于变参小波流形的旋转机械微弱故障检测方法。本发明一种基于变参小波流形的旋转机械微弱故障检测方法，包括：步骤(1)、选定母小波，给定小波参数的1个取值组合，确定信号分析的尺度范围；步骤(2)、对信号进行CWT处理，计算各尺度下的小波包络；步骤(3)、按照给定指标从整个尺度带内选择包含最多故障信息的1个小波包络，即故障小波包络。本发明的有益效果：本发明提取信号在不同小波参数下的故障小波包络，利用流形学习卓越的特征挖掘能力，从高维变参小波包络中提取出具有稳定结构的脉冲包络，去除带内噪声，实现对微弱故障脉冲包络的有效检测。

公开(公告)号：CN113935460B

公开(公告)日：2023-08-11

申请号：CN202111136682.5

申请日：2021-09-27

Applicant: 苏州大学

Inventor： 王俊 ,  戴俊 ,  石娟娟 ,  江星星 ,  姚林泉

IPC: G06F18/2433 ,  G06F18/10 ,  G06F18/214 ,  G06F18/241 ,  G06N3/0455 ,  G06N3/084 ,  G06F18/2411 ,  G06F18/243 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明类不平衡数据集下的机械故障智能诊断方法，包括：步骤(1)、数据预处理：把机械振动信号转换到频域，并把幅值归一化到[0,1]范围；步骤(2)、模型搭建：把自动编码器和生成对抗网络进行组合，搭建数据生成模型；步骤(3)、模型训练：利用故障数据按照预设的损失函数和优化算法训练所述数据生成模型；步骤(4)、数据生成：利用所述数据生成模型在训练中学习到的故障数据低维特征，通过多次插值、加噪后生成对应类的故障数据，实现各类数据平衡；步骤(5)、故障诊断：利用类平衡数据集训练预设的故障诊断模型，利用训练好的故障诊断模型对机械故障进行智能诊断。利用自动编码器、生成对抗网络的结合，实现机械故障诊断。

公开(公告)号：CN111651937B

公开(公告)日：2023-07-25

申请号：CN202010496380.8

申请日：2020-06-03

Applicant: 苏州大学

Inventor： 王旭 ,  沈长青 ,  谢靖 ,  张爱文 ,  王冬 ,  商晓峰 ,  宋冬淼 ,  江星星 ,  王俊 ,  石娟娟 ,  黄伟国 ,  朱忠奎

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/096 ,  G01M13/045 ,  G06F119/02

Abstract: 本发明涉及一种变工况下滚动轴承的故障诊断方法，其在利用卷积神经网络学习模型的基础上，结合迁移学习的算法处理机械设备复杂多变的工况导致深度学习模型通用性变差的问题。本发明首先对不同工况下采集的数据进行切割划分样本，利用FFT对样本进行预处理，然后利用改进的ResNet‑50提取样本的低层次特征，接着多尺度特征提取器从不同角度分析低层次特征得到高层次特征作为分类器的输入。在训练的过程中同时提取训练样本跟测试样本的高层次特征，计算两者的条件分布距离作为目标函数的一部分反向传播以实现类内自适应，降低域漂移的影响，使得深度学习模型能更好地胜任变工况下的故障诊断任务。

公开(公告)号：CN116448412A

公开(公告)日：2023-07-18

申请号：CN202310257321.9

申请日：2023-03-16

Applicant: 中铁工程装备集团有限公司 ,  苏州大学

Inventor： 贾连辉 ,  魏晓龙 ,  孙浩 ,  黄伟国 ,  王俊 ,  丁传仓 ,  孟祥波 ,  龚廷民 ,  崔俊峰 ,  路亚缇

IPC: G01M13/021 ,  G01M13/025 ,  G01M13/028 ,  G01M13/00 ,  G06F18/2131 ,  G06F18/24 ,  G06F123/02

Abstract: 本公开提供一种故障诊断方法和装置、存储介质，涉及故障诊断技术领域。故障诊断方法包括：获取被测试设备的振动信号；计算振动信号的包络信号；利用第一调频小波变换对包络信息进行处理，以得到第一时频图，其中第一调频小波变换中的调频因子是瞬时频率的函数，第一调频小波变换中的窗函数为可差分窗函数；利用第一时频图构建同步提取算子；利用第一时频图和同步提取算子得到目标时频图；识别目标时频图中的脊线，以便根据脊线确定被测试设备的故障类型。

公开(公告)号：CN116106008A

公开(公告)日：2023-05-12

申请号：CN202211699746.7

申请日：2022-12-28

Applicant: 苏州大学

Inventor： 黄伟国 ,  王锐 ,  张骁 ,  廖一 ,  杜贵府 ,  丁传仓 ,  王俊 ,  沈长青

IPC: G01M13/04 ,  G06F18/213 ,  G06F18/24 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于分类器差异软权自适应网络的故障诊断方法、装置、设备以及计算机可读存储介质，本发明由特征提取器、离群分类器与两个状态分类器三部分构成，特征提取器用于提取源域和目标域不同类别的可迁移特征，两个不同的状态分类器基于提取到的可转移特征进行标签预测；离群分类器对目标域样本进行伪标签学习，从而自动分离共享类和离群类样本；本发明构造了一个样本软权重项，以自适应地测量目标样本属于跨域共享标签空间的概率，设计了一个加权分类器差异损失来获取共享类样本的跨域不变特征，本发明诊断精度高，鲁棒性强，适用于变工况类型差异下的开集迁移故障诊断任务，可广泛应用于机械、电力、化工、航空等领域。

公开(公告)号：CN115683629A

公开(公告)日：2023-02-03

申请号：CN202211398933.1

申请日：2022-11-09

Applicant: 苏州大学

Inventor： 黄伟国 ,  马骏陶 ,  韩时炘 ,  曾冠杰 ,  王俊 ,  丁传仓 ,  杜贵府 ,  江星星 ,  石娟娟 ,  沈长青 ,  朱忠奎

IPC: G01M13/045 ,  G06F17/15

Abstract: 本发明涉及一种轴承故障检测方法包括：获取测试轴承的振动加速度时域信号，经短时傅里叶变换生成时频域系数矩阵；利用广义极小极大凹罚函数与截断核范数构建稀疏低秩优化模型的凸性目标函数；利用交替方向乘子法将凸性目标函数拆分成关于广义极小极大凹罚函数的第一子目标函数、关于截断核范数的第二子目标函数与辅助迭代函数；利用前向后向分裂算法求解第一子目标函数得关于Xk+1的迭代公式组；利用奇异值阈值算法求解第二目标子函数得关于Zk+1的迭代公式；初始化参数，将时频域系数矩阵输入辅助迭代函数中，迭代预设次数获取时频域稀疏低秩矩阵；对时频域稀疏低秩矩阵进行短时傅里叶逆变换得到重构时域信号后，进行平方包络谱分析，得到故障特征频率。

公开(公告)号：CN114463772B

公开(公告)日：2022-11-25

申请号：CN202210036922.2

申请日：2022-01-13

Applicant: 苏州大学

Inventor： 黄伟国 ,  高尔峰 ,  张梓伟 ,  王俊 ,  杜贵府 ,  朱忠奎

IPC: G06V30/418 ,  G06V30/20 ,  G06V20/58 ,  G06V10/32 ,  G06V10/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明涉及一种基于深度学习的交通标志检测与识别方法，方法包括获取交通标志数据集并对其进行预处理，获得交通标志图像，提取交通标志图像的特征；将交通标志数据集的特征输入至自适应空间注意力特征融合模型，利用自适应空间注意力特征融合模型提取多尺度特征，并将多尺度特征进行融合生成相应尺度的融合特征；将融合特征输入至层级分组归一化指数函数检测头，获得初步的预测结果，对初步的预测结果进行目标框筛选，得到最终的检测结果。本发明提出自适应空间注意力特征融合模型和层级分组归一化指数函数，总体上提高了对于小交通标志以及样本匮乏的交通标志类别的检测准确率。

公开(公告)号：CN114548155A

公开(公告)日：2022-05-27

申请号：CN202210073180.0

申请日：2022-01-21

Applicant: 苏州大学

Inventor： 王俊 ,  王玉琦 ,  黄伟国 ,  杜贵府 ,  沈长青 ,  何清波

IPC: G06K9/00 ,  G01M13/00

Abstract: 本发明公开了一种基于变参时频流形信号重构的旋转机械微弱故障检测方法，包括：步骤(1)、故障带内成分提取：步骤(2)、高维TFD矩阵构造：步骤(3)、TFM特征提取：步骤(4)、TFM特征去噪：步骤(5)、故障成分TFD重构：步骤(6)、故障成分时域信号重构。该技术方法至少具有以下优点：对不同机械振动信号的普适性好、计算效率高、信噪比高、能够定量分析故障严重程度等。

公开(公告)号：CN113705724A

公开(公告)日：2021-11-26

申请号：CN202111069585.9

申请日：2021-09-13

Applicant: 苏州大学

Inventor： 黄鹤 ,  王俊 ,  曹洪龙 ,  胡丹峰 ,  张永亮

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于自适应的L‑BFGS算法的批量学习方法，用于深度神经网络的训练，每次训练时按一定规则选取一部分样本计算更新参数，以减少计算复杂度，同时解决一阶算法(如Mini‑Batch GD)训练时存在的收敛速度慢，易陷入局部最优点等缺点。本发明提出的算法解决了L‑BFGS算法中记忆尺度选择困难的问题。本发明提出的算法引入了多步拟牛顿理论对AL‑BFGS中衡量近似程度的计算公式进行了改进，使得到海塞矩阵逆的近似矩阵与海塞矩阵的逆矩阵之间近似程度更高。本发明提出的算法选取多个记忆尺度，计算出不同的方向进行叠加，得到最终的搜索方向，从而加强对最近曲率信息的使用，加快了收敛速度。

公开(公告)号：CN111458122A

公开(公告)日：2020-07-28

申请号：CN202010271309.X

申请日：2020-04-08

Applicant: 苏州大学

Inventor： 石娟娟 ,  花泽晖 ,  沈长青 ,  王俊 ,  江星星 ,  朱忠奎

IPC: G01M13/00

Abstract: 本发明提供了一种匹配增强时频表示的旋转机械故障诊断方法，属于变转速旋转机械故障诊断技术领域，该方法包括：引入调频率来匹配频率变化的信号的时频特征，利用正切函数约束调频率选取范围；扩展现有的线性变换基函数e-jωt，得到能同时增强多个时频分量的时频表示；计算对应不同时频图的峭度值，利用峭度最大准则自适应选择合适的参数，选出对应最大峭度的时频分布用于最后的时频表示；对经上一步得到的时频图上利用局部峰值搜索算法搜寻旋转机械的特征时频脊线；根据检测的时频脊线诊断旋转机械故障类型。本发明通过匹配信号中频率的变化特征来增强时频表示，可以得到更加精确的时频脊线估计，并最终完成旋转机械的故障诊断。