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

Inventor： 徐坤 ,  任万凯 ,  缪小冬 ,  王华 ,  赵珣 ,  丁鹏

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：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

Inventor： 缪小冬 ,  刘征 ,  徐坤 ,  王华 ,  赵珣 ,  丁鹏

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：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

Inventor： 缪小冬 ,  刘征 ,  徐坤 ,  王华 ,  赵珣 ,  丁鹏

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

Inventor： 徐坤 ,  任万凯 ,  缪小冬 ,  王华 ,  赵珣 ,  丁鹏

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。