公开(公告)号：CN115773883B

公开(公告)日：2024-08-20

申请号：CN202211405383.1

申请日：2022-11-10

Applicant: 苏州大学

Inventor： 沈长青 ,  李景德 ,  张福生 ,  王书蓓 ,  王报祥 ,  石娟娟 ,  孔林 ,  李林 ,  黄伟国 ,  朱忠奎 ,  刘承建

IPC: G01M13/045 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/082

Abstract: 本发明实施例提供了一种双生成器协同域对抗轴承故障诊断方法及系统，该方法包括采集振动信号构建源域数据集和目标域数据集；对轴承信号样本进行频域处理，得到样本图片；将源域样本图片和目标域样本图片输入模型进行训练，获得两个不同的特征生成器；将特征生成器两个生成特征，融合成新的特征；更新两个特征生成器、分类器和鉴别器的参数；将目标域数据集输入训练好模型，实现轴承故障诊断。本发明轴承故障诊断的结果准确率高、鲁棒性更强，并且适用于变工况多场景、多种故障的诊断。

公开(公告)号：CN115659224A

公开(公告)日：2023-01-31

申请号：CN202211406175.3

申请日：2022-11-10

Applicant: 苏州大学

Inventor： 沈长青 ,  李景德 ,  王报祥 ,  石娟娟 ,  丁传仓 ,  黄伟国 ,  朱忠奎 ,  张福生 ,  王书蓓 ,  刘承建

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/15 ,  G06N3/047

Abstract: 本发明实施例提供了一种概率引导的域对抗轴承故障诊断方法及系统，该方法包括采集振动信号构建源域数据集和目标域数据集；对轴承信号样本进行频域处理，得到样本图片；将所述源域样本图片和目标域样本图片输入提前搭建好的神经网络模型进行训练；构建第一阶段目标函数，实现鉴别器和特征生成器参数的更新；构建第二阶段目标函数，实现分类器参数的更新，神经网络模型训练完成；将目标域数据集输入训练好的神经网络模型，实现轴承故障诊断。本发明方法解决了轴承故障诊断网络特征分类能力不足的问题，轴承故障诊断的结果准确率高、鲁棒性更强，并且适用于变工况多场景、多种故障的诊断。

公开(公告)号：CN115659224B

公开(公告)日：2023-08-25

申请号：CN202211406175.3

申请日：2022-11-10

Applicant: 苏州大学

Inventor： 沈长青 ,  李景德 ,  王报祥 ,  石娟娟 ,  丁传仓 ,  黄伟国 ,  朱忠奎 ,  张福生 ,  王书蓓 ,  刘承建

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/15 ,  G06N3/047

Abstract: 本发明实施例提供了一种概率引导的域对抗轴承故障诊断方法及系统，该方法包括采集振动信号构建源域数据集和目标域数据集；对轴承信号样本进行频域处理，得到样本图片；将所述源域样本图片和目标域样本图片输入提前搭建好的神经网络模型进行训练；构建第一阶段目标函数，实现鉴别器和特征生成器参数的更新；构建第二阶段目标函数，实现分类器参数的更新，神经网络模型训练完成；将目标域数据集输入训练好的神经网络模型，实现轴承故障诊断。本发明方法解决了轴承故障诊断网络特征分类能力不足的问题，轴承故障诊断的结果准确率高、鲁棒性更强，并且适用于变工况多场景、多种故障的诊断。

公开(公告)号：CN114626406A

公开(公告)日：2022-06-14

申请号：CN202210138615.5

申请日：2022-02-15

Applicant: 苏州大学

Inventor： 沈长青 ,  李景德 ,  谭陆洋 ,  陈良 ,  孔林 ,  鞠华 ,  李林 ,  丁传仓 ,  黄伟国 ,  朱忠奎

IPC: G06K9/00 ,  G06N3/04 ,  G01M13/045

Abstract: 本发明公开了一种基于类边界特征检测的轴承故障诊断方法及方法，包括以下步骤：采集不同工况下的轴承振动数据，每种工况下采集的数据作为一个可迁移域；搭建包括特征提取器和两个分类器的神经网络模型；输入源域样本训练神经网络模型；将源域样本和辅助域样本均输入神经网络模型，训练分类器以增大两个分类器的分类差异且两个分类器对于源域均具有分类能力；将辅助域输入神经网络模型，训练特征提取器使得其提取的特征能够同时满足两个分类器的分类要求；训练直至神经网络模型收敛，得到故障诊断模型对未知域进行故障诊断。本发明仅使用一个完全标记域，实现对于未知工况下轴承多尺寸、多类型故障的准确诊断。

公开(公告)号：CN115773883A

公开(公告)日：2023-03-10

申请号：CN202211405383.1

申请日：2022-11-10

Applicant: 苏州大学

Inventor： 沈长青 ,  李景德 ,  张福生 ,  王书蓓 ,  王报祥 ,  石娟娟 ,  孔林 ,  李林 ,  黄伟国 ,  朱忠奎 ,  刘承建

IPC: G01M13/045 ,  G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/082

Abstract: 本发明实施例提供了一种双生成器协同域对抗轴承故障诊断方法及系统，该方法包括采集振动信号构建源域数据集和目标域数据集；对轴承信号样本进行频域处理，得到样本图片；将源域样本图片和目标域样本图片输入模型进行训练，获得两个不同的特征生成器；将特征生成器两个生成特征，融合成新的特征；更新两个特征生成器、分类器和鉴别器的参数；将目标域数据集输入训练好模型，实现轴承故障诊断。本发明轴承故障诊断的结果准确率高、鲁棒性更强，并且适用于变工况多场景、多种故障的诊断。