-
公开(公告)号:CN111651937A
公开(公告)日:2020-09-11
申请号:CN202010496380.8
申请日:2020-06-03
Applicant: 苏州大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G01M13/045 , G06F119/02
Abstract: 本发明涉及一种变工况下滚动轴承的故障诊断方法,其在利用卷积神经网络学习模型的基础上,结合迁移学习的算法处理机械设备复杂多变的工况导致深度学习模型通用性变差的问题。本发明首先对不同工况下采集的数据进行切割划分样本,利用FFT对样本进行预处理,然后利用改进的ResNet-50提取样本的低层次特征,接着多尺度特征提取器从不同角度分析低层次特征得到高层次特征作为分类器的输入。在训练的过程中同时提取训练样本跟测试样本的高层次特征,计算两者的条件分布距离作为目标函数的一部分反向传播以实现类内自适应,降低域漂移的影响,使得深度学习模型能更好地胜任变工况下的故障诊断任务。
-
公开(公告)号:CN111651937B
公开(公告)日:2023-07-25
申请号:CN202010496380.8
申请日:2020-06-03
Applicant: 苏州大学
IPC: G06F30/27 , G06N3/0464 , G06N3/047 , G06N3/096 , G01M13/045 , G06F119/02
Abstract: 本发明涉及一种变工况下滚动轴承的故障诊断方法,其在利用卷积神经网络学习模型的基础上,结合迁移学习的算法处理机械设备复杂多变的工况导致深度学习模型通用性变差的问题。本发明首先对不同工况下采集的数据进行切割划分样本,利用FFT对样本进行预处理,然后利用改进的ResNet‑50提取样本的低层次特征,接着多尺度特征提取器从不同角度分析低层次特征得到高层次特征作为分类器的输入。在训练的过程中同时提取训练样本跟测试样本的高层次特征,计算两者的条件分布距离作为目标函数的一部分反向传播以实现类内自适应,降低域漂移的影响,使得深度学习模型能更好地胜任变工况下的故障诊断任务。
-
公开(公告)号:CN211687819U
公开(公告)日:2020-10-16
申请号:CN202020268458.6
申请日:2020-03-06
Applicant: 苏州大学
Abstract: 本实用新型涉及一种外置电梯控制装置及系统,包括箱体、第一盖体、轨道组件、调试板以及第二盖体,其中所述箱体与所述第一盖体和所述第二盖体相连,所述轨道组件包括轨道、轨道定位装置以及轨道固定夹件,所述轨道上设有按压装置,所述轨道定位装置安装在所述轨道固定夹件上,所述箱体的至少一端的内侧设有凹槽,所述轨道固定夹件置放在所述凹槽内,所述凹槽内设有多个盲孔,所述轨道定位装置可伸缩的安装在所述盲孔内,所述轨道的开口端与所述轨道固定夹件配合,通过所述轨道定位装置实现所述轨道与所述箱体的固定。本实用新型不但安装方便而且提高了使用的便利性和安全性。
-
-