公开(公告)号：CN116958682A

公开(公告)日：2023-10-27

申请号：CN202310927514.0

申请日：2023-07-26

Applicant: 上海大学

Inventor： 修贤超 ,  于福超 ,  李云辉 ,  柳春

IPC: G06V10/764 ,  G01M13/045 ,  G06V10/774 ,  G06T5/00 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种小样本下基于深度适应网络的轴承故障诊断方法和系统。诊断方法包括如下步骤：收集轴承运行过程中的振动信号，存储于服务器；对振动信号进行预处理，将一维振动信号进行二维图像灰度值化，存储于数据库中；提取数据库中的图像数据，基于深度卷积生成对抗网络进行数据增强，构建用于故障诊断的数据库；利用深度适应网络进行小样本故障诊断。诊断系统包括预处理模块、数据增强模块和诊断模块。本发明将深度卷积生成对抗网络与深度适应网络结合使用，在陌生工况下利用少量标签就可以完成网络的训练，减少了网络的训练时间和训练成本，增强了模型的可移植性，对于小样本工况具有良好的鲁棒性。

公开(公告)号：CN116861353A

公开(公告)日：2023-10-10

申请号：CN202310850712.1

申请日：2023-07-11

Applicant: 上海大学

Inventor： 修贤超 ,  于福超 ,  李云辉 ,  柳春

IPC: G06F18/2433 ,  G06F18/27 ,  G06F18/10 ,  G06F18/2413 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明涉及故障诊断技术领域，提出一种基于鲁棒转移子空间学习的故障诊断方法及系统。该方法包括：将一维振动信号转化为二维图像：提供神经网络，并且通过所述神经网络从二维图像中提取特征；基于鲁棒转移子空间学习算法根据提取特征进行迁移学习；以及根据迁移学习的结果确定所述一维振动信号对应的故障类型。本发明在故障诊断过程中可以有效提高系统的鲁棒性并且训练成本低、稳定性高。