公开(公告)号：CN118606799A

公开(公告)日：2024-09-06

申请号：CN202411082944.8

申请日：2024-08-08

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  丁中天 ,  戴玮博

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了一种基于原始振动信号的深宽度故障诊断方法，针对边缘网关设备计算能力不足的情况或是故障诊断实时性需求较高的场景。该方法包括：获得原始振动信号数据以及标签值。对原始振动信号进行预处理，分割训练集和测试集。将预处理后的训练集输入第一层深度可分离卷积网络。输入测试集，得到预测输出以及残差输出。将残差输出作为第二层深度可分离卷积网络的训练集输入，得到第二个预测输出。将第一层预测输出与第二层预测输出相加得到预测输出。本发明基于原始振动信号的深宽度故障诊断方法更好地实现了在边缘网关设备计算能力不足以及故障诊断实时性要求高下的智能故障诊断。

公开(公告)号：CN120011718A

公开(公告)日：2025-05-16

申请号：CN202510487689.3

申请日：2025-04-18

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  杨雨婷 ,  丁中天

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种全局局部特征掩码降噪的振动信号自适应去噪方法，包括：第一步，通过预处理将信号分割为帧再使用堆叠升维，将一维信号转为二维时域信号。第二步，搭建具有质数空洞系数序列的卷积模块，处理故障脉冲尺度变化。第三步，通过混合Transformer自适应地学习高低频噪声并设计一种新型掩码进行去噪。第四步，构建可解释时频域联合约束。第五步，引入重叠加法策略，将处理后的信号恢复为一维信号并输出，得到去噪信号。本发明构建了一种针对一维信号的时域二维去噪与恢复方法，无需单独调节去噪参数，即可实现低信噪比下振动信号保真去噪，并能有效辅助频谱分析与智能故障诊断。

公开(公告)号：CN119004122A

公开(公告)日：2024-11-22

申请号：CN202411490709.4

申请日：2024-10-24

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  储怡婷 ,  陆振宇 ,  丁中天

IPC: G06F18/214 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/27 ,  G06N20/00

Abstract: 本发明公开了一种基于幅相特性和时频域自监督的轴承寿命预测方法，包括：获得原始振动信号数据。对原始振动信号进行预处理，分割训练集和测试集。将预处理后的训练集进行数据增强，形成自监督学习所需正负例样本。构建趋势解纠缠过程，提取时域特征。构建周期解纠缠过程，提取幅值和相位特征。在提取的特征上进行有监督训练，对模型调整。输入新的振动信号，得到预测输出。本发明基于自监督对比学习框架，通过构建幅相增强和周期趋势表征，有效提高在多变工况下模型的泛化性能，提升了振动信号寿命预测的准确性和鲁棒性。

公开(公告)号：CN119961813A

公开(公告)日：2025-05-09

申请号：CN202510446218.8

申请日：2025-04-10

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  陈浩 ,  丁中天

IPC: G06F18/2431 ,  G01M15/14 ,  G06F18/2415 ,  G06F18/2131 ,  G06F18/15 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种航空发动机故障诊断方法、装置、存储介质及设备，属于航空发动机故障诊断技术领域，方法包括获取航空发动机上设定位置的振动信号，经预处理后得到预处理后的振动信号；将预处理后的振动信号输入到训练好的改进二值神经网络中，得到该位置的故障诊断结果；改进二值神经网络相对二值神经网络的改进之处包括：将所有卷积核和全连接层的权重进行二值化处理；将深度可分离卷积模块执行的操作改进为：将预处理后的振动信号转换到频域中后再进行深度卷积，然后将深度卷积的输出转换回时域中进行逐点卷积；在稀疏残差块模块的每个残差块中通过设定的稀疏掩码遮蔽稀疏残差块模块的输入的部分通道。本发明通过改进模型实现故障的高效诊断。

公开(公告)号：CN119128611B

公开(公告)日：2025-04-29

申请号：CN202411612985.3

申请日：2024-11-13

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  丁中天 ,  苏文涛

IPC: G06F18/24 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明公开了一种基于不平衡无标签监测数据自监督的智能故障诊断方法，第一步，准备大量无标签数据作为自监督训练数据，准备有标签数据，并分割为有监督训练数据和测试数据；第二步，基于三种增强方法的无标签数据增强；第三步，构建包含特征提取和特征映射的自监督网络；第四步，通过逆注意力挑选稀少类别数据对应特征；第五步，基于挑选特征进行噪声对比估计损失函数设计，并优化自监督网络；第六步，基于自监督预训练后的特征提取网络，通过少量有标签故障数据进行诊断网络的调整；第七步，将监测信号输入上述训练好的网络。本发明更契合实际监测数据无健康状态标签与类型不平衡问题，提高了现有故障诊断网络的诊断能力。

公开(公告)号：CN119128611A

公开(公告)日：2024-12-13

申请号：CN202411612985.3

申请日：2024-11-13

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  丁中天 ,  苏文涛

IPC: G06F18/24 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明公开了一种基于不平衡无标签监测数据自监督的智能故障诊断方法，第一步，准备大量无标签数据作为自监督训练数据，准备有标签数据，并分割为有监督训练数据和测试数据；第二步，基于三种增强方法的无标签数据增强；第三步，构建包含特征提取和特征映射的自监督网络；第四步，通过逆注意力挑选稀少类别数据对应特征；第五步，基于挑选特征进行噪声对比估计损失函数设计，并优化自监督网络；第六步，基于自监督预训练后的特征提取网络，通过少量有标签故障数据进行诊断网络的调整；第七步，将监测信号输入上述训练好的网络。本发明更契合实际监测数据无健康状态标签与类型不平衡问题，提高了现有故障诊断网络的诊断能力。

公开(公告)号：CN118606799B

公开(公告)日：2024-11-08

申请号：CN202411082944.8

申请日：2024-08-08

Applicant: 南京信息工程大学

Inventor： 钱巍巍 ,  丁中天 ,  戴玮博

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了一种基于原始振动信号的深宽度故障诊断方法，针对边缘网关设备计算能力不足的情况或是故障诊断实时性需求较高的场景。该方法包括：获得原始振动信号数据以及标签值。对原始振动信号进行预处理，分割训练集和测试集。将预处理后的训练集输入第一层深度可分离卷积网络。输入测试集，得到预测输出以及残差输出。将残差输出作为第二层深度可分离卷积网络的训练集输入，得到第二个预测输出。将第一层预测输出与第二层预测输出相加得到预测输出。本发明基于原始振动信号的深宽度故障诊断方法更好地实现了在边缘网关设备计算能力不足以及故障诊断实时性要求高下的智能故障诊断。