公开(公告)号：CN119474974A

公开(公告)日：2025-02-18

申请号：CN202411529710.3

申请日：2024-10-30

Applicant: 东北林业大学

Inventor： 李学艺 ,  冉光圣 ,  王天杨 ,  谢怡宁 ,  王志亮

IPC: G06F18/24 ,  G06N5/04 ,  G06N3/0455 ,  G06N3/096

Abstract: 本发明涉及机械检测领域，尤其涉及一种基于多模态大语言模型的风力发电机的故障诊断方法。本研究创新性地提出了一种基于GPT‑3的数据集构建方案，有效地将PDF格式机械故障相关文献转化为结构化的高质量问答对数据集。随后本研究利用数据集对基座大语言模型进行微调，通过对微调参数调整和微调方法的探索，成功提高模型在机械故障诊断的专业任务的表现。此外，根据实际的使用场景，本研究扩充信号转文本模块，使其能实时地接受机械故障的多模态数据，将数字信号包含的各个特征信息改变为文字的形式传递至大语言模型模块，最后大语言模型输出诊断结果。

公开(公告)号：CN118776881A

公开(公告)日：2024-10-15

申请号：CN202411059473.9

申请日：2024-08-04

Applicant: 东北林业大学

Inventor： 李学艺 ,  冉光圣 ,  王相凯 ,  张飞斌 ,  褚福磊 ,  谢怡宁 ,  王志亮 ,  徐海彬

IPC: G01M13/04 ,  G01M13/045

Abstract: 基于多源信号融合的CA‑Transformer轴承故障诊断方法，本发明用于多源信号融合的轴承故障诊断。本发明是为了解决现有轴承故障诊断方法难以准确充分提取故障特征的问题，以及现有的故障诊断方法在复杂数据的训练效率和准确性上都存在一些缺陷。本发明包括：获得待诊断的多源轴承原始振动信号，将待诊断的多源轴承原始振动信号输入到轴承故障诊断网络中获得轴承故障分类诊断结果；CA‑Transformer多源信号融合的故障诊断网络通过以下方式获得：构建基于CA‑Transformer网络框架：由输入阶段、CA‑Transformer阶段和分类阶段组成，在输入阶段，将原始信号数据处理为嵌入向量，CA‑Transformer阶段，基于Transformer网络和交叉注意力机制融合特征，在分类阶段，进一步通过线性层和Softmax层进行分类。