-
公开(公告)号：CN119579996A
公开(公告)日：2025-03-07
申请号：CN202411720548.3
申请日：2024-11-28
Applicant: 中国矿业大学
IPC: G06V10/764 , G01M13/021 , G01M13/028 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于ICBL的采煤机截割部齿轮箱智能故障诊断方法，先采集不同故障类型的振动数据；并将数据随机分成训练数据集和测试数据集，且在训练数据集中设置不平衡度；接着利用随机超图卷积机制能够快速高效地将采煤机截割部齿轮箱振动数据的复杂结构信息嵌入到改进型级联宽度学习模型中，极大提高了改进型级联宽度学习模型所学故障特征的判别性；同时根据数据类别间的比例信息，设计了类特异性权重分配策略，能够使改进型级联宽度学习模型更加关注少数类样本，提高了对不平衡数据的故障诊断性能，通过随机超图卷积机制和类特异性权重分配策略相结合的方式，最终有效提高对采煤机截割部齿轮箱故障诊断的精度。
-
公开(公告)号：CN119202717A
公开(公告)日：2024-12-27
申请号：CN202411238561.5
申请日：2024-09-05
Applicant: 中国矿业大学
IPC: G06F18/214 , G01M13/04 , G06N3/0895
Abstract: 本发明公开了一种基于多核权重化联合域自适应网络的轴承故障诊断方法，先将源域的样本数据和目标域的训练样本数据输入神经网络，获得源域和目标域的样本特征、目标域训练样本分别在神经网络浅层部分和深层部分输出特征的差异、目标域训练样本的伪标签，对上述数据处理后获得源域分类损失函数、伪标签修正损失函数、源域和目标域的联合域自适应函数；将上述函数结合后作为网络总体损失函数，通过该函数实现动态权重自适应的方式根据实际数据情况调整边缘分布和条件分布的权重比，并且采用修正值的方式对伪标签进行修正，提高伪标签的置信度，在面对不同的故障诊断任务时均具有较高的准确性及稳定性，满足不同的工程应用场景。
-
公开(公告)号：CN119202717B
公开(公告)日：2025-05-09
申请号：CN202411238561.5
申请日：2024-09-05
Applicant: 中国矿业大学
IPC: G06F18/214 , G01M13/04 , G06N3/0895
Abstract: 本发明公开了一种基于多核权重化联合域自适应网络的轴承故障诊断方法，先将源域的样本数据和目标域的训练样本数据输入神经网络，获得源域和目标域的样本特征、目标域训练样本分别在神经网络浅层部分和深层部分输出特征的差异、目标域训练样本的伪标签，对上述数据处理后获得源域分类损失函数、伪标签修正损失函数、源域和目标域的联合域自适应函数；将上述函数结合后作为网络总体损失函数，通过该函数实现动态权重自适应的方式根据实际数据情况调整边缘分布和条件分布的权重比，并且采用修正值的方式对伪标签进行修正，提高伪标签的置信度，在面对不同的故障诊断任务时均具有较高的准确性及稳定性，满足不同的工程应用场景。
-
公开(公告)号：CN119622615A
公开(公告)日：2025-03-14
申请号：CN202411691191.0
申请日：2024-11-25
Applicant: 中国矿业大学
IPC: G06F18/2451 , G01M7/02 , G01M99/00 , G01M13/00 , G01M13/028 , G06F18/213 , G07C3/00 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于条件解耦表示增强网络的旋转机械故障诊断方法，针对旋转机械数据类别不平衡和跨域故障诊断的场景，对采集到的旋转机械振动信号，利用深度卷积特征提取器捕捉来自已知源域和未知目标域的故障特征；通过解耦表示增强模块生成高质量类语义信息对高维特征空间中的少数类特征进行增强，从而平衡类间数据分布，减轻不同类别样本数量差异的影响，随后，通过条件判别对比损失提高对少数类的关注度，并加强同类跨域的类内特征紧致度；最终形成所需的不平衡域泛化机械故障诊断模型。该方法不仅可以克服类不平衡的影响，还可以提高对未知目标域的泛化能力以及鲁棒性，有效提高对旋转机械故障诊断的精确性。
-
-
-
Search Results
4
records
(took 0.02 seconds)
