-
公开(公告)号：CN118311437A
公开(公告)日：2024-07-09
申请号：CN202410455601.5
申请日：2024-04-15
Applicant: 南京工业大学
IPC: G01R31/367 , G01R31/392 , G01R31/00 , G06N3/045 , G06N3/0442 , G06N3/084 , G06F18/213 , G06F18/25
Abstract: 本发明公开一种动力电池剩余寿命预测方法，获取电池相关监测数据，构建特征数据；构建由特征近似单元、双向门控循环单元BiGRU和全连接单元组成的混合神经网络BiGRU‑NN预测模型；设计专家知识模块，将专家知识嵌入BiGRU‑NN混合神经网络模型；将构建的特征数据输入专家知识嵌入式BiGRU‑NN混合神经网络模型中进行训练，获得预训练模型；面对新任务时，采用少量有标签数据对预训练模型参数进行微调，获得预测模型；将新任务数据输入预测模型，获得剩余容量预测结果并判断其中达到失效阈值的点，获得电池剩余寿命RUL。本发明能够兼顾多种因素对预测结果的影响，提升了模型的预测准确度；实现数据信息与专家知识的有效融合。
-
公开(公告)号：CN119202905B
公开(公告)日：2025-04-01
申请号：CN202411681856.X
申请日：2024-11-22
Applicant: 南京工业大学
IPC: G06F18/2415 , G01M13/045 , G06F18/2431 , G06F18/213 , G06F18/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/082 , G06N3/084 , G06N5/045
Abstract: 本发明公开一种噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，先获取滚动轴承在不同负载下的不同故障状态振动信号数据，加入不同程度的高斯白噪声；对加入噪声的数据进行连续小波变换得到二维小波图像，并划分为训练集和测试集；搭建ViT Encoder模型，使用Embeddings模块添加可训练的位置信息，将位置特征嵌入模型中，并通过Encoder模块中的多头自注意力机制提取特征中全局信息；构建胶囊网络，包括初级胶囊层和数字胶囊层，进一步提取特征中的空间信息，进行准确的故障诊断；最后使用Grad‑CAM实现Encoder模块处理后的特征进行可视化解释，并在测试数据集上完成高效的迁移故障诊断。
-
公开(公告)号：CN118503633B
公开(公告)日：2024-11-12
申请号：CN202410956515.2
申请日：2024-07-17
Applicant: 南京工业大学
IPC: G06F18/10 , G01H17/00 , G01M13/00 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种近似评价多小波特征级联的机械装备故障诊断方法，获取目标高速旋转部件在不同工况下不同部位的健康与故障状态的振动数据，添加噪声划分样本不平衡的数据集；构建三分支卷积神经网络模型，嵌入多小波核函数滤波器，并设计自监督式小波核权重矩阵实现对噪声不平衡样本特定的滤波、去噪、高低频分析以及多尺度分析，提取噪声样本不平衡信号多方面的特征，对不同分支进行特征级联，使用两分布近似评价方法度量分支特征级联的近似程度，准确定位多小波核函数的差异表达。本发明能够对不同工况下噪声样本不平衡完成诊断，提高同一部位不同程度的故障以及不同故障部位之间噪声样本不平衡的智能诊断准确度和精确度。
-
公开(公告)号：CN119202905A
公开(公告)日：2024-12-27
申请号：CN202411681856.X
申请日：2024-11-22
Applicant: 南京工业大学
IPC: G06F18/2415 , G01M13/045 , G06F18/2431 , G06F18/213 , G06F18/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/082 , G06N3/084 , G06N5/045
Abstract: 本发明公开一种噪声环境下基于ViTCapsNet网络的变工况迁移轴承故障诊断方法，先获取滚动轴承在不同负载下的不同故障状态振动信号数据，加入不同程度的高斯白噪声；对加入噪声的数据进行连续小波变换得到二维小波图像，并划分为训练集和测试集；搭建ViT Encoder模型，使用Embeddings模块添加可训练的位置信息，将位置特征嵌入模型中，并通过Encoder模块中的多头自注意力机制提取特征中全局信息；构建胶囊网络，包括初级胶囊层和数字胶囊层，进一步提取特征中的空间信息，进行准确的故障诊断；最后使用Grad‑CAM实现Encoder模块处理后的特征进行可视化解释，并在测试数据集上完成高效的迁移故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN118311437B
公开(公告)日：2024-09-20
申请号：CN202410455601.5
申请日：2024-04-15
Applicant: 南京工业大学
IPC: G01R31/367 , G01R31/392 , G01R31/00 , G06N3/045 , G06N3/0442 , G06N3/084 , G06F18/213 , G06F18/25
Abstract: 本发明公开一种动力电池剩余寿命预测方法，获取电池相关监测数据，构建特征数据；构建由特征近似单元、双向门控循环单元BiGRU和全连接单元组成的混合神经网络BiGRU‑NN预测模型；设计专家知识模块，将专家知识嵌入BiGRU‑NN混合神经网络模型；将构建的特征数据输入专家知识嵌入式BiGRU‑NN混合神经网络模型中进行训练，获得预训练模型；面对新任务时，采用少量有标签数据对预训练模型参数进行微调，获得预测模型；将新任务数据输入预测模型，获得剩余容量预测结果并判断其中达到失效阈值的点，获得电池剩余寿命RUL。本发明能够兼顾多种因素对预测结果的影响，提升了模型的预测准确度；实现数据信息与专家知识的有效融合。
-
公开(公告)号：CN117574259B
公开(公告)日：2024-05-07
申请号：CN202311316905.5
申请日：2023-10-12
Applicant: 南京工业大学
IPC: G06F18/2415 , G06F18/25 , G06F18/214 , G06N3/0464 , G01M13/02 , G01M13/04
Abstract: 本发明公开一种适用于高端装备的注意力孪生智能迁移可解释性诊断方法，先获取轴承和齿轮不同故障件在不同负载或转速下的振动信号数据，对数据进行预处理；构建双分支架构的卷积神经网络模型，令模型可同时接受两种不同工况下的不平衡样本进行训练；模型中加入跨模块串联双注意力机制，包括通道特征注意力增强和片段特征注意力增强模块，用以合理地增强小样本特征信息，增强不平衡样本的域不变特征，并实现特征的注意力可解释性；同时引入孪生特征融合模块，更好的提取不平衡样本中的域不变特征；最后，采用各类提出的特征可视化方法实现对迁移诊断模型的特征可视化解释，并在测试数据集上完成高效的迁移诊断准确性。
-
公开(公告)号：CN117574259A
公开(公告)日：2024-02-20
申请号：CN202311316905.5
申请日：2023-10-12
Applicant: 南京工业大学
IPC: G06F18/2415 , G06F18/25 , G06F18/214 , G06N3/0464 , G01M13/02 , G01M13/04
Abstract: 本发明公开一种适用于高端装备的注意力孪生智能迁移可解释性诊断方法，先获取轴承和齿轮不同故障件在不同负载或转速下的振动信号数据，对数据进行预处理；构建双分支架构的卷积神经网络模型，令模型可同时接受两种不同工况下的不平衡样本进行训练；模型中加入跨模块串联双注意力机制，包括通道特征注意力增强和片段特征注意力增强模块，用以合理地增强小样本特征信息，增强不平衡样本的域不变特征，并实现特征的注意力可解释性；同时引入孪生特征融合模块，更好的提取不平衡样本中的域不变特征；最后，采用各类提出的特征可视化方法实现对迁移诊断模型的特征可视化解释，并在测试数据集上完成高效的迁移诊断准确性。
-
公开(公告)号：CN117031310A
公开(公告)日：2023-11-10
申请号：CN202311135852.7
申请日：2023-09-05
Applicant: 南京工业大学
IPC: G01R31/367
Abstract: 本发明公开一种电动汽车动力电池剩余使用寿命预测方法，通过获取电动汽车动力电池的监测数据，进行数据预处理；按照历史时刻数据和未来时刻数据划分为训练集、误差修正集和测试集；采用训练集和误差修正集，建立ARIMA‑BiGRU‑NN融合模型；基于海鸥优化算法优化模型的超参数；采用测试集，验证模型的预测结果。针对电动汽车动力电池剩余使用寿命预测难与单向神经网络对数据信息利用不充分的问题，本发明采用双向门控循环单元与融合多种数据驱动算法的预测方法，提高了预测的鲁棒性与精确度。
-
公开(公告)号：CN118503633A
公开(公告)日：2024-08-16
申请号：CN202410956515.2
申请日：2024-07-17
Applicant: 南京工业大学
IPC: G06F18/10 , G01H17/00 , G01M13/00 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种近似评价多小波特征级联的机械装备故障诊断方法，获取目标高速旋转部件在不同工况下不同部位的健康与故障状态的振动数据，添加噪声划分样本不平衡的数据集；构建三分支卷积神经网络模型，嵌入多小波核函数滤波器，并设计自监督式小波核权重矩阵实现对噪声不平衡样本特定的滤波、去噪、高低频分析以及多尺度分析，提取噪声样本不平衡信号多方面的特征，对不同分支进行特征级联，使用两分布近似评价方法度量分支特征级联的近似程度，准确定位多小波核函数的差异表达。本发明能够对不同工况下噪声样本不平衡完成诊断，提高同一部位不同程度的故障以及不同故障部位之间噪声样本不平衡的智能诊断准确度和精确度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.027 seconds)
