公开(公告)号：CN116821669A

公开(公告)日：2023-09-29

申请号：CN202310242510.9

申请日：2023-03-10

Applicant: 湖南工业大学

Inventor： 万烂军 ,  周政 ,  宁佳恩 ,  黄乐 ,  李长云 ,  罗海霞 ,  王志兵 ,  吴岳忠

IPC: G06F18/214 ,  G06F18/213 ,  G06F18/23213 ,  G06F18/2411 ,  G06F18/25 ,  G06F9/50 ,  G01M13/045

Abstract: 本发明公开了基于I‑PixelHop的轴承故障诊断模型的高效分布式并行训练方法，通过将轴承故障数据集划分为多个DataFrame分区并将其分配给所有Worker节点，每个Worker节点署多个PixelHop单元与ILAG单元并启动多个Spark executors对分配给该Worker节点的所有DataFrame分区进行并行处理。在每个Worker节点中，由每个Spark executor调用GPU计算资源依次对每个PixelHop单元与ILAG单元进行并行处理，另在Master节点中将来源于所有Worker节点的局部特征向量拼接成全局特征向量。最后，使用所有Worker节点来依次并行训练多个基于SVM的轴承故障分类器并进行加权投票，解决了现有I‑PixelHop轻量级学习框架在对大规模轴承故障数据集进行计算时存在训练时间较长的问题。

公开(公告)号：CN115828753A

公开(公告)日：2023-03-21

申请号：CN202211573470.8

申请日：2022-12-08

Applicant: 湖南工业大学

Inventor： 万烂军 ,  李园园 ,  崔雪艳 ,  宁佳恩 ,  李长云 ,  王志兵 ,  罗海霞

IPC: G06F30/27 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G01M13/045

Abstract: 本发明公开了一种基于深度迁移学习的轴承故障诊断模型及训练方法，本发明构建包括共享特征提取模块、多源域适配模块和轴承故障诊断模块的模型，基于数据并行的思想，根据工作节点的数量将包含了多个源域和目标域的大规模轴承振动数据集切分成若干个块，在每个工作节点中采用相同的轴承故障诊断模型来处理该数据集中多个不同的块，利用Horovod‑GPU分布式并行计算平台进行分布式训练，采用Ring‑AllReduce架构进行参数同步更新，在保证故障诊断准确率的前提下显著提高了模型训练效率，解决了实际工业生产中轴承诊断准确率不高以及进行参数更新时存在通信瓶颈和扩展效率不佳的问题。