-
公开(公告)号：CN116007937B
公开(公告)日：2024-09-06
申请号：CN202211575101.2
申请日：2022-12-08
Applicant: 苏州大学
IPC: G01M13/028 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
-
公开(公告)号：CN118690146B
公开(公告)日：2024-11-22
申请号：CN202411195521.7
申请日：2024-08-29
Applicant: 苏州大学
IPC: G06F18/20 , G06F18/213 , G06N3/0455 , G06N3/0895 , G06N3/096 , G06F18/214
Abstract: 本发明公开了高铁轮轨运维技术领域的一种高铁轮轨渐进式自监督损伤识别方法，方法包括：获取待识别的振动信号；将所述振动信号输入预构建的师生网络进行训练，直至基于所述振动信号构建的重构损失函数和预测损失函数收敛，获得训练完成师生网络中的编码器参数；将所述编码器参数迁移至预构建的识别网络，输入训练样本至所述识别网络，获得训练完成的识别网络；将所述振动信号输入至训练完成的所述识别网络中，输出损伤类型预测概率。本发明能够解决现有的自监督学习方法局限于设计预先定义的代理任务来利用无标签样本进行预训练，其有效性和合理性只能由下游识别任务的性能验证，导致识别性能和解释性弱的技术问题。
-
公开(公告)号：CN118690146A
公开(公告)日：2024-09-24
申请号：CN202411195521.7
申请日：2024-08-29
Applicant: 苏州大学
IPC: G06F18/20 , G06F18/213 , G06N3/0455 , G06N3/0895 , G06N3/096 , G06F18/214
Abstract: 本发明公开了高铁轮轨运维技术领域的一种高铁轮轨渐进式自监督损伤识别方法，方法包括：获取待识别的振动信号；将所述振动信号输入预构建的师生网络进行训练，直至基于所述振动信号构建的重构损失函数和预测损失函数收敛，获得训练完成师生网络中的编码器参数；将所述编码器参数迁移至预构建的识别网络，输入训练样本至所述识别网络，获得训练完成的识别网络；将所述振动信号输入至训练完成的所述识别网络中，输出损伤类型预测概率。本发明能够解决现有的自监督学习方法局限于设计预先定义的代理任务来利用无标签样本进行预训练，其有效性和合理性只能由下游识别任务的性能验证，导致识别性能和解释性弱的技术问题。
-
公开(公告)号：CN116007937A
公开(公告)日：2023-04-25
申请号：CN202211575101.2
申请日：2022-12-08
Applicant: 苏州大学
IPC: G01M13/028 , G06F18/15 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
-
-
-
Search Results
4
records
(took 0.052 seconds)
