-
公开(公告)号：CN111625992A
公开(公告)日：2020-09-04
申请号：CN202010437200.9
申请日：2020-05-21
Applicant: 中国地质大学(武汉) , 华中科技大学
Abstract: 本发明提供了一种基于自调优深度学习的机械故障预测方法，方法包括：构建基于CNN的故障诊断模型；利用所述故障诊断模型构建强化学习模型；训练所述强化学习模型，并利用所述强化学习模型自适应调节所述故障诊断模型的学习率；利用自适应调节学习率的所述故障诊断模型进行故障诊断。本发明的有益效果是：构建了一个卷积神经网络强化学习混合模型，该模型根据基于CNN的故障诊断模型的实时状态，实现对学习率的自动调节，进而提高该故障诊断模型的学习效率和学习效果，提高故障诊断性能。
-
公开(公告)号：CN111625992B
公开(公告)日：2023-06-27
申请号：CN202010437200.9
申请日：2020-05-21
Applicant: 中国地质大学(武汉) , 华中科技大学
IPC: G06F18/2415 , G06F18/2131 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/092 , G06N3/0985
Abstract: 本发明提供了一种基于自调优深度学习的机械故障预测方法，方法包括：构建基于CNN的故障诊断模型；利用所述故障诊断模型构建强化学习模型；训练所述强化学习模型，并利用所述强化学习模型自适应调节所述故障诊断模型的学习率；利用自适应调节学习率的所述故障诊断模型进行故障诊断。本发明的有益效果是：构建了一个卷积神经网络强化学习混合模型，该模型根据基于CNN的故障诊断模型的实时状态，实现对学习率的自动调节，进而提高该故障诊断模型的学习效率和学习效果，提高故障诊断性能。
-
公开(公告)号：CN111397870B
公开(公告)日：2021-05-14
申请号：CN202010154764.1
申请日：2020-03-08
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种基于多样化集成卷积神经网络的机械故障预测方法，包括一以下步骤：数据预处理；构造基于多样性指标的集成深度学习故障预测模型；训练基于多样性指标的集成深度学习故障预测模型。本发明通过设定该模型的学习率为循环余弦学习率机制，使其能在训练过程中多次逼近局部最优值后，通过热重启实现继续搜索，同时在训练模型阶段，构造多样性指标和多样性损失函数，促使该模型发现与原有局部最优值差异化更大的新局部最优值。最后对所有局部最优值的卷积神经网络模型进行集成。本发明的有益效果是：该方法提高了故障预测的精度及效率，且适用性较好，有利于在实际应用中推广使用。
-
公开(公告)号：CN111397870A
公开(公告)日：2020-07-10
申请号：CN202010154764.1
申请日：2020-03-08
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种基于多样化集成卷积神经网络的机械故障预测方法，包括一以下步骤：数据预处理；构造基于多样性指标的集成深度学习故障预测模型；训练基于多样性指标的集成深度学习故障预测模型。本发明通过设定该模型的学习率为循环余弦学习率机制，使其能在训练过程中多次逼近局部最优值后，通过热重启实现继续搜索，同时在训练模型阶段，构造多样性指标和多样性损失函数，促使该模型发现与原有局部最优值差异化更大的新局部最优值。最后对所有局部最优值的卷积神经网络模型进行集成。本发明的有益效果是：该方法提高了故障预测的精度及效率，且适用性较好，有利于在实际应用中推广使用。
-
-
-
Search Results
4
records
(took 0.038 seconds)
