公开(公告)号：CN118568586A

公开(公告)日：2024-08-30

申请号：CN202410391404.1

申请日：2024-04-02

Applicant: 哈尔滨工业大学

Inventor： 高天宇 ,  杨京礼 ,  王厂东

IPC: G06F18/2415 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于时空中心网络的旋转机械故障诊断方法及系统，属于机械健康监测技术领域；该方法包括：基于时空中心网络构建旋转机械故障诊断模型；获取旋转机械运行数据，并根据预设比例将数据划分为测试集和训练集；利用划分的所述训练集对所述旋转机械故障诊断模型进行训练；基于训练好的旋转机械故障诊断模型识别所述测试集的旋转机械故障类型，输出故障诊断结果。本发明便于对旋转机械故障进行智能精准的诊断，有利于提高工作效率，有助于保证工业机械设备连续有效运行。

公开(公告)号：CN118171162A

公开(公告)日：2024-06-11

申请号：CN202410289249.2

申请日：2024-03-14

Applicant: 哈尔滨工业大学

Inventor： 杨京礼 ,  王厂东 ,  高天宇

IPC: G06F18/241 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0985 ,  G06F18/10 ,  G06F18/213

Abstract: 本发明公开了基于非局部注意力度量网络的齿轮故障诊断方法及系统，属于机械故障诊断技术领域；方法包括：获取不同转速和负载条件下齿轮状况的一维信号样本数据，并通过数据预处理将一维信号转换为二维时频图；基于贝叶斯优化算法建立超参数自适应调优策略，获取最优超参数组合；构建基于度量学习的原型网络，并通过嵌入多尺度卷积模块和非局部注意力模块改进基于度量学习的原型网络，从局部和非局部两方面捕捉二维时频图中远程依赖特征，输出齿轮故障诊断结果。本发明中建立了基于度量学习结合非局部注意力机制的故障诊断框架，可以提升少样本、强噪声下的齿轮故障诊断的有效性、鲁棒性和准确性，有助于保障机械设备的稳定运行和延长使用寿命。

公开(公告)号：CN118245877A

公开(公告)日：2024-06-25

申请号：CN202410371588.5

申请日：2024-03-29

Applicant: 哈尔滨工业大学

Inventor： 杨京礼 ,  王厂东 ,  高天宇

IPC: G06F18/241 ,  G01M13/045 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/096 ,  G06N3/098 ,  G06N20/20

Abstract: 本发明公开了联合迁移和多尺度网络的旋转机械不均衡故障诊断方法，包括以下步骤：获取旋转机械的多尺度振动信号；将多尺度注意力机制引入卷积网络构建基分类器；构建基于基分类器联合迁移策略的集成学习模型；将所述多尺度振动信号输入训练好的基于基分类器联合迁移策略的集成学习模型，完成故障诊断。本发明通过改变样本权重，整合不同的学习器和相应的权重，解决了解决旋转机械故障诊断中的样本不均衡问题。