公开(公告)号：CN116858540A

公开(公告)日：2023-10-10

申请号：CN202310814954.5

申请日：2023-07-04

Applicant: 中南大学

Inventor： 王田天 ,  谢劲松 ,  牛步钊 ,  阳劲松 ,  彭畅 ,  潘彤阳 ,  田龙祯 ,  张志康

IPC: G01M13/045 ,  G06F30/27 ,  G06N3/0464 ,  G06N3/096 ,  G06F119/14

Abstract: 本发明公开了基于数据融合的列车轴承故障诊断方法、系统、装置及介质，包括：构建轴承故障动力学模型，进一步获取轴承仿真振动信号，从而获取轴承故障动力学模型的故障特征频率；将轴承故障动力学模型的故障特征频率与真实故障轴承试件的故障特征频率进行融合，获取仿真融合故障数据；将仿真融合故障数据频域信号输入卷积神经网络中进行预训练，基于参数迁移策略对真实试验的故障数据进行迁移学习，构建轴承故障诊断模型；基于最优化的轴承故障诊断模型，获取列车轴承的故障位置。本发明通过融合仿真与真实数据达到减少源域与目标域的特征分布差异的目的，并利用机理仿真数据辅助训练模型，提升卷积神经网络模型的泛化能力、稳定性和准确性。

公开(公告)号：CN119935555A

公开(公告)日：2025-05-06

申请号：CN202510234775.3

申请日：2025-02-28

Applicant: 中南大学

Inventor： 潘彤阳 ,  王田天 ,  谢劲松 ,  刘轶荣 ,  牛步钊 ,  阳劲松 ,  曹沙 ,  杨布尧 ,  郭志斌

IPC: G01M13/045 ,  G06F18/213 ,  G06N3/0464

Abstract: 本申请适用于高速列车轴承故障诊断技术领域，提供了一种基于双向Mamba网络的轴承故障诊断方法，包括：采集高速列车轴承的故障振动信号；将故障振动信号输入故障诊断模型进行分析处理，得到高速列车轴承的故障诊断结果；故障诊断模型包括依次连接的二维CNN网络、时间注意力网络、双向Transformer网络、一维时序处理网络、基于通道注意力的第一融合网络、数据压缩网络、双向Mamba网络、基于通道注意力的第二融合网络、输出网络。本申请能提升高速列车轴承故障诊断的准确率。

公开(公告)号：CN119202794A

公开(公告)日：2024-12-27

申请号：CN202411307816.9

申请日：2024-09-19

Applicant: 中南大学

Inventor： 潘彤阳 ,  王田天 ,  谢劲松 ,  曹沙 ,  牛步钊 ,  于祥 ,  杨布尧 ,  郭志斌

IPC: G06F18/24 ,  G06F18/15 ,  G06F18/214 ,  G06N3/096 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G01M13/045

Abstract: 本发明提供了一种基于扩散模型的时变工况迁移学习轴承故障诊断方法，包括：获取轴承的原始故障振动信号并进行预处理，获得二维时频谱图像；构建去噪扩散模型，使去噪扩散模型学习稳定工况的二维时频谱图像的图像特征；通过二维时频谱图像的Repaint方法，基于时变工况的振动信号构建稳定工况下完整的轴承故障数据集；利用扩充的轴承故障数据集和领域泛化方法进行轴承故障诊断。本发明解决了领域泛化轴承故障诊断数据分布不一致导致的轴承故障诊断准确率低的问题，提升了轴承故障诊断的准确率，更加适应不同轴承应用场景的轴承故障诊断。