公开(公告)号：CN117909854A

公开(公告)日：2024-04-19

申请号：CN202410317308.2

申请日：2024-03-20

Applicant: 东北大学

Inventor： 毕远国 ,  刘炯驿 ,  郭威 ,  王艺蒙

IPC: G06F18/2411 ,  G06F18/214 ,  G06F17/16

Abstract: 本发明属于智能汽车故障诊断技术领域，公开了一种基于多模态对比嵌入的零样本复合故障诊断方法。综合考虑高维特征和低维特征在故障诊断中的作用，解决了复合故障特征堆叠复杂，故障语义信息对特征描述不够充分的问题，不需要专业知识的同时能够获得更好的泛化性能。本发明在复合故障诊断中引入计算机视觉领域的对比学习思想，提供了一种基于对比学习的零样本复合故障诊断方法，解决复合故障的诊断困难，信号样本难以区分，预测精度平衡性差的问题。基于广义零样本学习，提供了一种基于迭代思想的复合故障增量学习框架，解决复合故障样本难以复现和复杂度高的问题。本发明能够在保证精确率的前提下，避免已知故障样本被错误地诊断为未知复合故障。

公开(公告)号：CN119901491A

公开(公告)日：2025-04-29

申请号：CN202510114538.3

申请日：2025-01-24

Applicant: 东北大学

Inventor： 毕远国 ,  王艺蒙 ,  付饶 ,  郭威 ,  刘炯驿

IPC: G01M13/04 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/0895

Abstract: 本发明属于故障诊断技术领域，公开一种面向有限数据的半监督滚动轴承跨域故障诊断方法。源域有标签数据经强增强模块生成强增强数据；强增强数据和源域有标签数据经决策边界自适应模块获得决策边界；根据决策边界为源域无标签数据确定其伪标签；源域有标签数据进行弱增强，根据弱增强数据计算初始置信度，并生成置信度阈值；置信度阈值对源域无标签数据的伪标签进行标签筛选，得到纯化数据；纯化数据输入语义对齐模块和健康状态分类模块到网络模型中进行训练，得到可用于诊断的模型。本发明所提出的方法既解决跨域潜在的巨大分布差异问题，同时也可以解决源域数据只有少量数据有标签的问题，可以进一步促进跨域故障诊断模型在实际生产中的应用。

公开(公告)号：CN119885033A

公开(公告)日：2025-04-25

申请号：CN202510113099.4

申请日：2025-01-24

Applicant: 东北大学

Inventor： 毕远国 ,  郭威 ,  付饶 ,  王艺蒙 ,  刘炯驿

IPC: G06F18/2433 ,  G06F18/213 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0464

Abstract: 本发明属于故障诊断领域，公开一种面向单域不平衡数据的滚动轴承故障诊断方法。设计基于解耦混合的单域平衡数据生成模块、基于损失驱动的多域平衡数据生成模块、将单域不平衡数据转化为单域平衡数据，然后再将单域平衡数据转化为多域平衡数据；所述多域平衡数据经语义对齐后进行特征提取，得到健康状态类别。本发明所提出的方法既能够解决多域数据分布差异给模型带来的训练问题，同时可以处理单一源域和不平衡数据带来的问题，优于其他现有方法，具有较为重要的实际应用价值，可以进一步促进故障诊断模型在实际生产环境中的广泛应用。

公开(公告)号：CN117909854B

公开(公告)日：2024-07-05

申请号：CN202410317308.2

申请日：2024-03-20

Applicant: 东北大学

Inventor： 毕远国 ,  刘炯驿 ,  郭威 ,  王艺蒙

IPC: G06F18/2411 ,  G06F18/214 ,  G06F17/16

Abstract: 本发明属于智能汽车故障诊断技术领域，公开了一种基于多模态对比嵌入的零样本复合故障诊断方法。综合考虑高维特征和低维特征在故障诊断中的作用，解决了复合故障特征堆叠复杂，故障语义信息对特征描述不够充分的问题，不需要专业知识的同时能够获得更好的泛化性能。本发明在复合故障诊断中引入计算机视觉领域的对比学习思想，提供了一种基于对比学习的零样本复合故障诊断方法，解决复合故障的诊断困难，信号样本难以区分，预测精度平衡性差的问题。基于广义零样本学习，提供了一种基于迭代思想的复合故障增量学习框架，解决复合故障样本难以复现和复杂度高的问题。本发明能够在保证精确率的前提下，避免已知故障样本被错误地诊断为未知复合故障。