公开(公告)号：CN114895653B

公开(公告)日：2024-09-13

申请号：CN202210616668.3

申请日：2022-06-01

Applicant: 哈尔滨工业大学

Inventor： 杨京礼 ,  崔成竹 ,  高天宇

IPC: G05B23/02 ,  G06F30/27 ,  G06N3/006 ,  G06N3/0464 ,  G06N3/084

Abstract: 基于CAE和SVDD的喷水推进装置闭环控制系统故障检测方法，涉及故障诊断技术领域，针对现有技术中针对喷水推进装置闭环控制系统的故障检测方法误检率高的问题。本申请采用CAE模型对闭环控制系统样本数据进行特征提取，在最大限度保留系统本质信息的基础上压缩数据维度，并消除冗余信息的干扰；本申请引入PSO优化SVDD的惩罚参数和核参数，避免在参数寻优过程中陷入局部最优和反复震荡等问题，将寻找到的最优超参数应用于SVDD故障检测模型，从而提升了故障检测效率并降低误检率。

公开(公告)号：CN114895653A

公开(公告)日：2022-08-12

申请号：CN202210616668.3

申请日：2022-06-01

Applicant: 哈尔滨工业大学

Inventor： 杨京礼 ,  崔成竹 ,  高天宇

IPC: G05B23/02 ,  G06F30/27 ,  G06N3/00 ,  G06N3/04

Abstract: 基于CAE和SVDD的喷水推进装置闭环控制系统故障检测方法，涉及故障诊断技术领域，针对现有技术中针对喷水推进装置闭环控制系统的故障检测方法误检率高的问题。本申请采用CAE模型对闭环控制系统样本数据进行特征提取，在最大限度保留系统本质信息的基础上压缩数据维度，并消除冗余信息的干扰；本申请引入PSO优化SVDD的惩罚参数和核参数，避免在参数寻优过程中陷入局部最优和反复震荡等问题，将寻找到的最优超参数应用于SVDD故障检测模型，从而提升了故障检测效率并降低误检率。

公开(公告)号：CN111914703A

公开(公告)日：2020-11-10

申请号：CN202010697580.X

申请日：2020-07-20

Applicant: 哈尔滨工业大学

Inventor： 杨京礼 ,  崔成竹 ,  高天宇 ,  尹双艳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F17/14 ,  G01M13/045

Abstract: 本发明公开了一种基于小波变换和迁移学习GoogLeNet的机械旋转部件故障诊断方法，属于故障诊断技术领域。所述故障诊断方法包括以下步骤：S100采集机械旋转部件在已知各种故障下的振动信号，形成数据集A；S200将数据集A中的振动数据经小波变换处理，构建小波变换时频图数据集B，并将数据集按8:1:1的比例随机划分为训练集、验证集和测试集；S300基于数据集B的训练集和验证集，构建迁移学习GoogLeNet故障分类模型；S400使用迁移学习GoogLeNet故障分类模型对小波变换时频图数据集B的测试集数据进行诊断分类，得到机械旋转部件的故障分类结果。本发明能较好地提升了机械旋转部件故障诊断准确率。