公开(公告)号：CN117237685A

公开(公告)日：2023-12-15

申请号：CN202311201166.5

申请日：2023-09-18

Applicant: 合肥工业大学

Inventor： 伍章俊 ,  方刚 ,  王逸飞 ,  许仁礼

IPC: G06V10/762 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/088 ,  G06F18/23

Abstract: 本发明公开了一种基于多模态深度聚类的机械设备故障诊断方法，其步骤包括：1.收集机械设备运行状态的传感器信号数据，通过小波包变换生成时频图像数据，并对信号数据与时频图像数据进行预处理，构建数据样本集；2.搭建多模态无监督网络，网络结构包括卷积自编码器模块、门控递归单元自编码器模块、多模态融合模块和聚类模块；3.训练多模态无监督网络，并优化网络参数；4.利用训练好的多模态无监督网络模型对机械设备进行故障诊断。本发明能从无标签的多模态数据中提取不同模态数据的深度特征并实现多模态特征的自适应融合，从而提升机械设备故障诊断的效果。

公开(公告)号：CN117312950A

公开(公告)日：2023-12-29

申请号：CN202311260807.4

申请日：2023-09-27

Applicant: 合肥工业大学

Inventor： 伍章俊 ,  王逸飞 ,  方刚 ,  许仁礼

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/21 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明公开了一种基于对抗迁移学习和类别平衡损失的设备故障诊断方法，步骤包括：1对采集的原始信号数据进行预处理并构建源域和目标域样本集；2构建类非均衡对抗迁移学习网络；3采用联合优化的方式训练类非均衡对抗迁移学习网络模型，优化模型参数；4将目标域样本集中的测试样本输入到训练好的模型中，获得设备的故障诊断结果。本发明能实现油气管道在不同工作条件下的故障诊断，并能够很好地应对机械实际工况下故障状态较少而引起的类非均衡问题，从而提升故障诊断效果和泛化性能。