公开(公告)号：CN108398268B

公开(公告)日：2020-06-09

申请号：CN201810214288.0

申请日：2018-03-15

Applicant: 哈尔滨工业大学

Inventor： 赵光权 ,  彭喜元 ,  刘小勇 ,  刘月峰 ,  姜泽东 ,  刘莉 ,  高奇

IPC: G01M13/045 ,  G06K9/00 ,  G06N3/08

Abstract: 一种基于堆叠去噪自编码器和自组织映射的轴承性能退化评估方法，它用于评估轴承退化技术领域。本发明解决了传统HI曲线构建中存在的提取退化特征需依赖大量专家经验和有监督训练，标签选择需依赖人工参与的问题。本发明的6个去噪自编码机构建堆叠去噪自编码器来对原始振动信号数据进行多层的特征提取，训练集数据对网络进行预训练后利用BP算法微调参数，将输出的100维特征输入SOM网络训练得到各时间点对应的HI，并构建训练集的HI曲线；将测试集数据输入训练好的堆叠去噪自编码器和SOM网络中得到各时间点处的HI，并构建HI曲线；分别对训练集和测试集的HI曲线进行平滑处理，获得平滑处理后的HI曲线。本发明可以应用于评估轴承性能退化领域用。

公开(公告)号：CN109000930A

公开(公告)日：2018-12-14

申请号：CN201810565712.6

申请日：2018-06-04

Applicant: 哈尔滨工业大学

Inventor： 赵光权 ,  王少军 ,  刘小勇 ,  刘月峰 ,  姜泽东 ,  高永成 ,  胡聪 ,  彭喜元

IPC: G01M15/14

Abstract: 一种基于堆叠去噪自编码器的涡轮发动机性能退化评估方法，它用于发动机性能退化评估技术领域。本发明解决了传统多传感器数据选择需要依赖复杂信息评价准则，HI构建时提取退化特征需依赖大量信号处理技术及专家经验，有监督训练方式标签选择需依赖人工参与，方法通用性不足的问题。本发明的4个去噪自编码机构建堆叠去噪自编码器来对输入数据进行单个节点值提取，训练集数据对网络进行预训练后利用BP算法微调参数，将提取的单个节点值作为各循环处的健康因子值，并构建训练集的HI曲线；将测试集输入训练好的堆叠去噪自编码器得到各循环处的健康因子值，并构建HI曲线；分别对训练集和测试集的HI曲线平滑处理，对平滑处理后的HI曲线进行评价。

公开(公告)号：CN108398268A

公开(公告)日：2018-08-14

申请号：CN201810214288.0

申请日：2018-03-15

Applicant: 哈尔滨工业大学

Inventor： 赵光权 ,  彭喜元 ,  刘小勇 ,  刘月峰 ,  姜泽东 ,  刘莉 ,  高奇

IPC: G01M13/04 ,  G06K9/00 ,  G06N3/08

CPC classification number: G01M13/045 ,  G06K9/0051 ,  G06N3/084

Abstract: 一种基于堆叠去噪自编码器和自组织映射的轴承性能退化评估方法，它用于评估轴承退化技术领域。本发明解决了传统HI曲线构建中存在的提取退化特征需依赖大量专家经验和有监督训练，标签选择需依赖人工参与的问题。本发明的6个去噪自编码机构建堆叠去噪自编码器来对原始振动信号数据进行多层的特征提取，训练集数据对网络进行预训练后利用BP算法微调参数，将输出的100维特征输入SOM网络训练得到各时间点对应的HI，并构建训练集的HI曲线；将测试集数据输入训练好的堆叠去噪自编码器和SOM网络中得到各时间点处的HI，并构建HI曲线；分别对训练集和测试集的HI曲线进行平滑处理，获得平滑处理后的HI曲线。本发明可以应用于评估轴承性能退化领域用。

公开(公告)号：CN109000930B

公开(公告)日：2020-06-16

申请号：CN201810565712.6

申请日：2018-06-04

Applicant: 哈尔滨工业大学

Inventor： 赵光权 ,  王少军 ,  刘小勇 ,  刘月峰 ,  姜泽东 ,  高永成 ,  胡聪 ,  彭喜元

IPC: G01M15/14

Abstract: 一种基于堆叠去噪自编码器的涡轮发动机性能退化评估方法，它用于发动机性能退化评估技术领域。本发明解决了传统多传感器数据选择需要依赖复杂信息评价准则，HI构建时提取退化特征需依赖大量信号处理技术及专家经验，有监督训练方式标签选择需依赖人工参与，方法通用性不足的问题。本发明的4个去噪自编码机构建堆叠去噪自编码器来对输入数据进行单个节点值提取，训练集数据对网络进行预训练后利用BP算法微调参数，将提取的单个节点值作为各循环处的健康因子值，并构建训练集的HI曲线；将测试集输入训练好的堆叠去噪自编码器得到各循环处的健康因子值，并构建HI曲线；分别对训练集和测试集的HI曲线平滑处理，对平滑处理后的HI曲线进行评价。

公开(公告)号：CN109961184A

公开(公告)日：2019-07-02

申请号：CN201910222908.X

申请日：2019-03-22

Applicant: 哈尔滨工业大学

Inventor： 赵光权 ,  姜泽东 ,  吴侃侃 ,  周军 ,  高永成 ,  杨旭洲 ,  胡聪

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q10/00 ,  G06N3/04

Abstract: 基于DNN网络的模拟滤波器健康度估计方法，它属于模拟滤波器健康度评估技术领域。本发明解决了传统的模拟滤波器健康度评估方法存在的退化特征提取需要借助专家经验、以及退化特征提取需要浪费大量人力的问题。本发明利用深度神经网络的强大自适应特征提取能力对复杂的模拟滤波器电路退化数据进行健康度估计，本发明直接将采集的模拟滤波器电路输出数据输入DNN网络，即可根据DNN网络输出的一维特征来构建平滑单调的健康度曲线，整个退化特征提取过程不需要借助任何专家经验，不需要人工设立标签，大大减少人工参与，节省大量的人力。采用本发明方法构建的健康度曲线的单调性提高11％以上。本发明可以应用于模拟滤波器健康度评估技术领域。