公开(公告)号：CN112308147B

公开(公告)日：2024-02-09

申请号：CN202011201367.1

申请日：2020-11-02

Applicant: 西安电子科技大学

Inventor： 孔宪光 ,  杨胜康 ,  王奇斌 ,  余粼钖 ,  程涵 ,  吉王辉

IPC: G06F18/214 ,  G06F18/22 ,  G06N3/08

Abstract: 本发明公开了一种基于多源域锚适配器集成迁移的旋转机械故障诊断方法，旨在提高模型的分类精度和泛化能力，实现步骤为：获取源域训练样本和目标域样本；从源域每类样本中随机选择锚点进行相似度计算，建立多个锚适配器矩阵；构建深度域适应网络；利用多个适配器矩阵进行网络训练获得多个分类器。本发明以置信度和准确率为评价指标对每个分类器的综合性能进行评价，通过综合性能指标排序选择性能较优的分类器进行集成，获得故障诊断的预测结果，实现变工况下旋转机械的智能诊断。

公开(公告)号：CN117786451A

公开(公告)日：2024-03-29

申请号：CN202311632186.8

申请日：2023-11-30

Applicant: 西安电子科技大学

Inventor： 王奇斌 ,  余粼钖 ,  崔雁鹏 ,  孙丽强 ,  郑定龙 ,  李梦婷

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种多元信息融合的旋转机械自适应迁移故障诊断方法，旨在解决现有技术分类精度低和泛化能力差的问题，其实现方案为：获取旧工况多传感器数据集和新工况多传感器数据集；构建多元信息交互融合网络；将旧工况多传感器数据集和新工况多传感器数据集输入多元信息交互融合网络，对该网络进行训练，以最小化其总损失值，更新网络参数，直到迭代次数达到设定的最大值，得到训练好的多元信息交互融合网络；将新工况下采集的新的多传感器数据输入该训练好的融合网络，得到旋转机械故障诊断结果。本发明能自适应调整不同特征的贡献度，提高在多传感器数据在分布差异更大情况下的故障诊断精度，可用于对变工况下旋转机械的故障智能检测。

公开(公告)号：CN113312719A

公开(公告)日：2021-08-27

申请号：CN202110584346.0

申请日：2021-05-27

Applicant: 西安电子科技大学

Inventor： 王奇斌 ,  杨胜康 ,  孔宪光 ,  程涵 ,  余粼钖 ,  吉王辉

IPC: G06F30/17 ,  G06F30/27 ,  G06F17/14 ,  G06K9/62 ,  G06F119/02

Abstract: 本发明提出了一种基于类别不平衡权重交叉熵的旋转机械故障诊断方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建稀疏自编码器模型；(3)对稀疏自编码器模型进行迭代训练；(4)构建旋转机械故障诊断模型；(5)对旋转机械故障诊断模型进行迭代训练；(6)获取旋转机械的故障诊断结果。本发明以类别不平衡权重交叉熵损失函数作为故障诊断模型的分类损失函数，通过类别不平衡权重消除故障类别不平衡对故障诊断模型精度的影响，提升故障诊断模型的诊断精度，实现旋转机械的故障诊断。

公开(公告)号：CN112308147A

公开(公告)日：2021-02-02

申请号：CN202011201367.1

申请日：2020-11-02

Applicant: 西安电子科技大学

Inventor： 孔宪光 ,  杨胜康 ,  王奇斌 ,  余粼钖 ,  程涵 ,  吉王辉

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于多源域锚适配器集成迁移的旋转机械故障诊断方法，旨在提高模型的分类精度和泛化能力，实现步骤为：获取源域训练样本和目标域样本；从源域每类样本中随机选择锚点进行相似度计算，建立多个锚适配器矩阵；构建深度域适应网络；利用多个适配器矩阵进行网络训练获得多个分类器。本发明以置信度和准确率为评价指标对每个分类器的综合性能进行评价，通过综合性能指标排序选择性能较优的分类器进行集成，获得故障诊断的预测结果，实现变工况下旋转机械的智能诊断。

公开(公告)号：CN113312719B

公开(公告)日：2023-02-10

申请号：CN202110584346.0

申请日：2021-05-27

Applicant: 西安电子科技大学

Inventor： 王奇斌 ,  杨胜康 ,  孔宪光 ,  程涵 ,  余粼钖 ,  吉王辉

IPC: G06F30/17 ,  G06F30/27 ,  G06F17/14 ,  G06F18/214 ,  G06F119/02

Abstract: 本发明提出了一种基于类别不平衡权重交叉熵的旋转机械故障诊断方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建稀疏自编码器模型；(3)对稀疏自编码器模型进行迭代训练；(4)构建旋转机械故障诊断模型；(5)对旋转机械故障诊断模型进行迭代训练；(6)获取旋转机械的故障诊断结果。本发明以类别不平衡权重交叉熵损失函数作为故障诊断模型的分类损失函数，通过类别不平衡权重消除故障类别不平衡对故障诊断模型精度的影响，提升故障诊断模型的诊断精度，实现旋转机械的故障诊断。