公开(公告)号：CN120086734A

公开(公告)日：2025-06-03

申请号：CN202411334744.7

申请日：2024-09-24

Applicant: 西南交通大学

Inventor： 陈再刚 ,  陈新 ,  辛俊胜 ,  彭文军

IPC: G06F18/2431 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0895 ,  G06N3/094

Abstract: 本发明涉及机械故障智能诊断领域，具体涉及基于伪标签的少样本机械故障智能诊断方法、系统及介质。诊断方法包括：S1、数据采集与划分；形成未带标签的真实数据和带标签的真实数据；S2、半监督对抗学习模型构建与训练；半监督对抗学习模型包括生成器和判别器；生成器，用于将随机噪声z和给定的伪标签y生成具有伪标签的假数据；判别器，第一路输出为：判别输入的样本数据为真实数据还是假数据；第二路输出为：判别输入的样本数据的标签类型。S3、故障诊断测试。本发明基于生成器和判别器构建半监督对抗学习模型，同时利用生成器生成具有伪标签的假数据辅助训练，从而可以降低对真实数据的依赖，且故障诊断性能不会因为真实数据的减少而降低。

公开(公告)号：CN118275882A

公开(公告)日：2024-07-02

申请号：CN202410320452.1

申请日：2024-03-20

Applicant: 西南交通大学

Inventor： 陈再刚 ,  陈新 ,  辛俊胜 ,  彭文军

IPC: G01R31/34 ,  G01M7/02 ,  G06F18/241 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/088 ,  G06N3/0464

Abstract: 本发明提供基于微调生成对抗网络的感应电机少标签故障诊断方法，涉及电机故障诊断领域，包括：获取无标签样本；建立改进的无监督生成对抗网络模型；使用无标签样本对改进的无监督生成对抗网络模型进行训练；对训练后的改进的无监督生成对抗网络模型的判别器进行微调，获得待训练的感应电机故障分类器；获取少量带标签样本；基于少量带标签样本对待训练的感应电机故障分类器进行训练，获得训练完成后的感应电机故障分类器；获取待诊断的感应电机在运行状态下的振动信号；通过训练完成后的感应电机故障分类器基于待诊断的感应电机在运行状态下的振动信号，对待诊断的感应电机进行故障诊断，具有实现感应电机少标签故障诊断的优点。