-
公开(公告)号：CN117591931A
公开(公告)日：2024-02-23
申请号：CN202311577486.0
申请日：2023-11-23
Applicant: 上海大学
IPC: G06F18/241 , G06F18/214 , G06F18/213
Abstract: 本发明属于联邦学习技术领域，公开一种基于数据与机理混合驱动的设备智能故障诊断方法，包括以下步骤：步骤1，每个源客户端对局部模型进行初始化操作；步骤2，使用源域数据对局部模型进行训练；步骤3，使用过渡数据对局部模型进行训练；步骤4，中心服务器根据局部模型对全局模型的特征提取器和分类器的参数更新；步骤5，使用全局模型对源客户端任务进行反向验证，使用任务验证损失更新该源客户端中局部模型；步骤6，循环步骤2‑5达到设定次数。本发明提供了一种能够减轻域差异引起的协变量漂移，并纠正网络关注区域的基于数据与机理混合驱动的设备智能故障诊断方法，提高诊断目标任务的准确率。
-
公开(公告)号：CN117591877A
公开(公告)日：2024-02-23
申请号：CN202311550767.7
申请日：2023-11-20
Applicant: 上海大学
IPC: G06F18/214 , G06F18/241 , G06N3/096 , G06N3/098
Abstract: 本发明属于联邦学习技术领域，具体公开一种基于数据隐私保护的智能故障诊断方法，包括以下步骤：步骤1，每个源客户端对局部模型进行初始化操作。步骤2，对每个局部模型进行训练，更新特征提取器和两个分类器的参数。步骤3，中央服务器的全局模型接收所有局部模型的参数，并评价局部模型的可用性，然后将局部模型的参数加权组合组成全局模型的参数。步骤4，将全局模型下载到每个源客户端中，每个客户端向全局模型中输入任务数据，全局模型根据其分类损失更新局部模型。步骤5，循环步骤2‑4达到设定次数，将最终的全局模型下载到目标客户端。本发明提供了一种实现本地模型对类边界模糊故障样本识别的基于数据隐私保护的智能故障诊断方法。
-
公开(公告)号：CN119272160A
公开(公告)日：2025-01-07
申请号：CN202411200651.5
申请日：2024-08-29
Applicant: 上海大学
IPC: G06F18/243 , G06F18/241 , G06F18/214 , G06F18/10 , G06F18/213 , G06N3/096 , G06N3/09 , G06N3/0464 , G01M13/045
Abstract: 本发明涉及计算机深度学习技术领域，涉及一种基于多源域知识联合迁移的设备故障诊断网络模型训练方法，该方法包括：构造训练样本集、验证集和测试集，利用训练样本集对预先构建的设备故障诊断网络模型进行训练，优化设备故障诊断网络模型的参数，得到训练后的设备故障诊断网络模型；采用验证集对训练后的设备故障诊断网络模型进行验证，评估训练后的设备故障诊断网络模型的诊断性能，挑选出最优设备故障诊断网络模型；采用测试集最优设备故障诊断网络模型进行测试，评价最优设备故障诊断网络模型的性能。本发明利用采集到的由若干个有标签源域数据集和无标签源域数据集组成的含少量标记的多源域数据集对模型进行多源域协同训练，学习故障样本中的领域不变特征，将共享诊断知识从标记数据和未标记数据共同迁移到目标领域中，因此训练后的设备故障诊断网络模型不需要提前获取目标样本即可完成跨域故障诊断任务。
-
公开(公告)号：CN119124515A
公开(公告)日：2024-12-13
申请号：CN202411142077.2
申请日：2024-08-19
Applicant: 上海大学
Abstract: 本发明涉及预测弹簧应力松弛寿命技术领域，具体的为一种针对推杆弹簧的应力松弛寿命预测方法及计算机可读存储介质，包括以下步骤：S1、安装测试设备与弹簧；S2、测试弹簧应力松弛数据并绘制曲线；S3、绘制应力损失率的自然对数与时间的自然对数曲线并拟合回归方程；S4、绘制松弛系数与温度的关系曲线并拟合回归方程；S5、计算测试弹簧实际使用温度下的松弛系数；S6、计算测试弹簧应力松弛寿命；本发明利用温度加速的方式，得到在不同实验温度下的应力松弛曲线以及应力损失率对数与时间对数曲线，并最终得到应力损失率的对数关于温度T和时间t的应力松弛方程，从而精确预测弹簧在实际工作温度下的工作年限，预测准确率较高的同时减少了实验周期。
-
-
-
Search Results
4
records
(took 0.012 seconds)
