公开(公告)号：CN116046394A

公开(公告)日：2023-05-02

申请号：CN202310021544.5

申请日：2023-01-06

Applicant: 东北林业大学

Inventor： 谢怡宁 ,  郭佳豪 ,  刘柏森 ,  赵晶 ,  曹军

IPC: G01M13/045

Abstract: 基于相似性图推理的滚动轴承未知故障诊断方法，本发明涉及滚动轴承故障检测中，训练数据集中不包含的未知类故障检测的问题。动轴承是旋转机械中的重要部件，但是滚动轴承的寿命方差较大，因此其滚动轴承故障检测有着重要的地位，然而训练故障诊断网络时故障数据获取困难，导致模型无法识别数据集中没有的故障，在工业生产中对于未知类型故障容易发生漏检。为改善这一问题，本发明提出了一种基于相似性图推理的滚动轴承未知故障诊断方法。实验表明，该方法能有效地识别未知类型故障，减少数据集故障类型较少导致的漏检，降低数据集故障类型数量的影响。本发明应用于未知类型故障的检测诊断。

公开(公告)号：CN116029367A

公开(公告)日：2023-04-28

申请号：CN202211673158.6

申请日：2022-12-26

Applicant: 东北林业大学

Inventor： 谢怡宁 ,  高聪 ,  石江涛 ,  刘柏森 ,  郭金润

IPC: G06N3/098 ,  G06N3/045 ,  G06N3/042 ,  G06N5/022

Abstract: 一种基于个性化联邦学习的故障诊断模型优化方法，本发明涉及航空发动机振动信号故障诊断技术中，数据不充分导致的数据孤岛问题以及传统联邦学习缺乏个性化解决方案的问题。联邦学习通过服务器聚合各客户端训练的本地模型，平均后再下发至各客户端，在航空航天领域故障诊断方面有广阔的发展前景。然而联邦学习在高度异构的数据上收敛效果差，且下发至各客户端的全局模型缺乏个性化，导致振动故障诊断的效果不理想。为改善这一问题，本发明提出了一种基于知识蒸馏的个性化联邦学习方法。实验表明，该方法能够有效的解决各客户端数据异构导致模型收敛性差的问题，为各客户端训练独特的个性化模型。本发明应用于客户端数据异构情况下的故障诊断。