公开(公告)号：CN109460618A

公开(公告)日：2019-03-12

申请号：CN201811348544.1

申请日：2018-11-13

Applicant: 华中科技大学

Inventor： 袁烨 ,  马贵君 ,  程骋 ,  周倍同

IPC: G06F17/50 ,  G06K9/00 ,  G01M13/04

Abstract: 本发明公开了一种滚动轴承剩余寿命的在线预测方法，在滚动轴承从健康状态运行到损坏状态这一过程，提取轴承运行过程的原始信号样本和对应的退化能量指标，将运行原始信号样本作为五层卷积神经网络模型输入，将退化能量指标作为卷积神经网络模型输出，训练得到退化能量状态模型；实时采集待测滚动轴承的运行原始信号；将待测滚动轴承的运行原始信号输入退化能量状态模型，估算得到退化能量指标；进而利用估算的能量退化指标预测待测滚动轴承的剩余寿命。本发明的预测过程仅需采集轴承原始运行信号，无须提取和筛选特征，克服了现有技术采用特征提取、特征筛选和回归预测的方式存在特征提取困难、精确度受限的技术问题。

公开(公告)号：CN110414383A

公开(公告)日：2019-11-05

申请号：CN201910624662.9

申请日：2019-07-11

Applicant: 华中科技大学

Inventor： 袁烨 ,  周倍同 ,  程骋 ,  李星毅 ,  马贵君

IPC: G06K9/00 ,  G06K9/62 ,  G06K9/66 ,  G06N3/04

Abstract: 本发明涉及一种基于Wasserstein距离的卷积神经网络对抗迁移学习方法及其应用，包括：采用待迁移的卷积神经网络，得到源域标记样本集的源域特征集和源域故障判断集以及目标域样本集的目标特征集；以最大化源域特征集和目标特征集之间的Wasserstein距离并最小化Wasserstein距离和源域故障判断集的判断损失值的加和为目标，基于收敛判据，实现卷积神经网络的对抗迁移学习。本发明在卷积神经网络的迁移学习中引入Wasserstein距离，以Wasserstein距离最大为目标，提高对两种样本集所提取的特征的区分敏感度，再以Wasserstein距离和源域故障判断集的损失值的加和最小为目标，以提高卷积神经网络的判断精度，在保证故障诊断能力的同时对样本数据和网络结构要求低，可适用于多工况间迁移，实际应用性强。

公开(公告)号：CN110458039A

公开(公告)日：2019-11-15

申请号：CN201910655120.8

申请日：2019-07-19

Applicant: 华中科技大学

Inventor： 袁烨 ,  姜文倩 ,  尹航 ,  程骋 ,  周倍同 ,  洪杨 ,  马贵君

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种工业过程故障诊断模型的构建方法及其应用，方法包括：构建故障诊断框架，其包括：生成器，其对特征提取器生成的每个原始样本进行编码-解码-编码，得到第一隐藏特征、生成样本和第二隐藏特征；采用正常原始样本集和生成对抗网络中的鉴别器，以鉴别器将生成样本鉴别为原始样本为目标，训练生成器；故障评分计算器，其基于每个待测原始样本及其对应的第一隐藏特征、生成样本和第二隐藏特征进行故障诊断。本发明在故障诊断模型中引入生成对抗网络中的生成器，且生成器具有编码-解码-编码功能，采用生成对抗网络中的鉴别器仅基于正常原始样本训练生成器，解决了因工业故障样本过少造成故障诊断模型训练困难、效率低且效果差的问题。

公开(公告)号：CN109460618B

公开(公告)日：2023-02-10

申请号：CN201811348544.1

申请日：2018-11-13

Applicant: 华中科技大学

Inventor： 袁烨 ,  马贵君 ,  程骋 ,  周倍同

IPC: G06F30/17 ,  G06F18/22 ,  G01M13/04 ,  G06F119/04

Abstract: 本发明公开了一种滚动轴承剩余寿命的在线预测方法，在滚动轴承从健康状态运行到损坏状态这一过程，提取轴承运行过程的原始信号样本和对应的退化能量指标，将运行原始信号样本作为五层卷积神经网络模型输入，将退化能量指标作为卷积神经网络模型输出，训练得到退化能量状态模型；实时采集待测滚动轴承的运行原始信号；将待测滚动轴承的运行原始信号输入退化能量状态模型，估算得到退化能量指标；进而利用估算的能量退化指标预测待测滚动轴承的剩余寿命。本发明的预测过程仅需采集轴承原始运行信号，无须提取和筛选特征，克服了现有技术采用特征提取、特征筛选和回归预测的方式存在特征提取困难、精确度受限的技术问题。

公开(公告)号：CN110188920A

公开(公告)日：2019-08-30

申请号：CN201910341857.2

申请日：2019-04-26

Applicant: 华中科技大学

Inventor： 袁烨 ,  马贵君 ,  程骋 ,  张永 ,  周倍同

IPC: G06Q10/04 ,  G01R31/367 ,  G01R31/392 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种锂电池剩余寿命预测方法，包括：采集锂电池多个充放电循环的电容量，并进行归一化；对归一化后的多个电容量进行窗口划分，得到训练数据集；将所述训练数据集输入包括卷积神经网络和长短记忆循环神经网络的退化状态模型进行训练；将所述训练数据集最后一个窗口数据输入到训练好的退化状态模型中进行滑动预测，直至预测的电容量达到容量退化阈值点；根据预测的容量值对应的滑动循环次数预测待测锂电池的剩余寿命。本发明融合卷积神经网络的特征提取能力和长短记忆循环神经网络的时间序列预测能力，有效的对锂电池的退化特征进行提取和预测，提高了预测精度。且使用假最邻近法自动对退化指标进行窗口大小的确定，提高了计算效率。