公开(公告)号：CN112465030B

公开(公告)日：2022-06-07

申请号：CN202011362875.8

申请日：2020-11-28

Applicant: 河南财政金融学院 ,  河南大学

Inventor： 陈丹敏 ,  周福娜 ,  张志强 ,  顾诗奇

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于两级迁移学习的多源异构信息融合故障诊断方法，其步骤为：首先，利用训练好的VGG16模型提取监控截屏图像的特征，并以监控截屏图像的特征为输入得到深层神经网络模型；其次，建立迁移融合网络，并将深层神经网络模型的网络参数迁移到迁移融合网络；再利用一维序列信号样本对迁移融合网络进行训练，得到迁移融合模型；最后，利用迁移融合模型对实时采集的一维序列信号进行识别，输出一维序列信号的故障类别。本发明提出两级迁移机制，通过两级迁移将多源异构信息进行融合，既能融合一维序列信号和截屏图像的特征以提高故障诊断的精度，又能避免了卷积运算，降低了时间复杂度，提高了故障诊断的实时性，达到实时故障诊断的目的。

公开(公告)号：CN112465030A

公开(公告)日：2021-03-09

申请号：CN202011362875.8

申请日：2020-11-28

Applicant: 河南大学

Inventor： 陈丹敏 ,  周福娜 ,  张志强 ,  顾诗奇

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于两级迁移学习的多源异构信息融合故障诊断方法，其步骤为：首先，利用训练好的VGG16模型提取监控截屏图像的特征，并以监控截屏图像的特征为输入得到深层神经网络模型；其次，建立迁移融合网络，并将深层神经网络模型的网络参数迁移到迁移融合网络；再利用一维序列信号样本对迁移融合网络进行训练，得到迁移融合模型；最后，利用迁移融合模型对实时采集的一维序列信号进行识别，输出一维序列信号的故障类别。本发明提出两级迁移机制，通过两级迁移将多源异构信息进行融合，既能融合一维序列信号和截屏图像的特征以提高故障诊断的精度，又能避免了卷积运算，降低了时间复杂度，提高了故障诊断的实时性，达到实时故障诊断的目的。