-
公开(公告)号：CN113591553A
公开(公告)日：2021-11-02
申请号：CN202110680097.5
申请日：2021-06-18
Applicant: 北京航天动力研究所
Abstract: 一种基于小样本权值优化的涡轮泵迁移学习故障智能判定方法，首先获取数据扩充预处理后的源域数据和目标域中的振动数据，进行数据拼接后获得二维时频图故障数据集，并进行源域故障特征数据集初始化权值赋予，进行全连接层参数微调，并根据最大均值差异法衡量故障特征数据集距离，通过加权优化及约束对全连接层的参数再次进行优化，分类训练后获取分类预测模型，最后通过Dropout方法防止训练过拟合及优化训练过程，优化分类预测模型，对目标域故障特征数据集F2进行诊断分类预测，获取涡轮泵故障分类预测结果。
-
公开(公告)号：CN113822121A
公开(公告)日：2021-12-21
申请号：CN202110678630.4
申请日：2021-06-18
Applicant: 北京航天动力研究所
Abstract: 一种基于数据扩充与深度迁移学习的涡轮泵小样本故障判定方法，包含了滤波、抽取采样、去趋势项、平滑处理等预处理操作，能够有效消除噪声，使得振动信号具有更好的鲁棒性；另一方面充分利用生成对抗网络，基于WGAN‑GP模型生成的高质量时频谱样本能够进一步的丰富原始数据集、提高诊断模型的鲁棒性；最后，充分利用成熟的ImageNet模型中特征提取部分进行模型迁移，从而实现涡轮泵的精确诊断。
-
公开(公告)号：CN113822121B
公开(公告)日：2024-02-13
申请号：CN202110678630.4
申请日：2021-06-18
Applicant: 北京航天动力研究所
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06F18/10 , G06N3/096 , G06N3/094 , F02K9/46 , F02K9/96
Abstract: 一种基于数据扩充与深度迁移学习的涡轮泵小样本故障判定方法，包含了滤波、抽取采样、去趋势项、平滑处理等预处理操作，能够有效消除噪声，使得振动信号具有更好的鲁棒性；另一方面充分利用生成对抗网络，基于WGAN‑GP模型生成的高质量时频谱样本能够进一步的丰富原始数据集、提高诊断模型的鲁棒性；最后，充分利用成熟的ImageNet模型中特征提取部分进行模型迁移，从而实现涡轮泵的精确诊断。
-
公开(公告)号：CN113591553B
公开(公告)日：2023-07-18
申请号：CN202110680097.5
申请日：2021-06-18
Applicant: 北京航天动力研究所
IPC: G06F18/241 , G06N3/096 , G06F18/213 , G06F18/214 , G06N3/0464 , F02K9/96
Abstract: 一种基于小样本权值优化的涡轮泵迁移学习故障智能判定方法，首先获取数据扩充预处理后的源域数据和目标域中的振动数据，进行数据拼接后获得二维时频图故障数据集，并进行源域故障特征数据集初始化权值赋予，进行全连接层参数微调，并根据最大均值差异法衡量故障特征数据集距离，通过加权优化及约束对全连接层的参数再次进行优化，分类训练后获取分类预测模型，最后通过Dropout方法防止训练过拟合及优化训练过程，优化分类预测模型，对目标域故障特征数据集F2进行诊断分类预测，获取涡轮泵故障分类预测结果。
-
-
-
Search Results
4
records
(took 0.024 seconds)
