基于动态域适应网络的多工况旋转机械剩余寿命预测方法

    公开(公告)号:CN112765890B

    公开(公告)日:2023-02-10

    申请号:CN202110102285.X

    申请日:2021-01-26

    Abstract: 本发明公开一种基于动态域适应网络的多工况旋转机械剩余寿命预测方法,其步骤为:1、生成源域样本集和目标域样本集;2、对源域样本集和目标域样本集中的振动信号进行预处理;3、生成目标域训练集和目标域测试集;4、采用反向验证技术选取源域训练集;5、构建动态域适应神经网络,其结构包括特征提取器,预测学习模块、边际分布自适应模块和条件分布自适应模块;6、对动态域适应神经网络进行训练,获取训练后的动态域适应神经网络模型;7、利用该模型对目标域测试集进行剩余寿命预测。本发明在多工况情况下提高了剩余寿命预测模型的泛化能力和预测精度。

    基于多源域锚适配器集成迁移的旋转机械故障诊断方法

    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

    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。

    基于深度特征集成提取的机械装备服役可靠性评估方法

    公开(公告)号:CN108710771B

    公开(公告)日:2019-11-01

    申请号:CN201810549712.7

    申请日:2018-05-31

    Abstract: 本发明提出了一种基于深度特征集成提取的机械装备服役可靠性评估方法,旨在保证评估结果客观性的前提下提高评估结果的准确性,实现步骤为:首先采集机械装备全寿命周期的振动信号,获取训练数据集,其次建立多个不同的堆栈式自编码器模型,以训练数据集作为堆栈式自编码器模型的输入,对每个堆栈式自编码器模型进行训练,并集成提取训练数据集的深度特征,划定机械装备正常运行状态和失效状态,并计算机械装备服役可靠性,建立机械装备服役可靠性评估模型,最后采集待评估机械装备的振动信号,获取测试数据集,将测试数据集输入到机械装备服役可靠性评估模型中,获取待评估机械装备服役可靠性评估结果。

    一种滚柱直线导轨副精度可靠性的优化设计方法

    公开(公告)号:CN107229800A

    公开(公告)日:2017-10-03

    申请号:CN201710422624.6

    申请日:2017-06-07

    Abstract: 本发明提出了一种滚柱直线导轨副精度可靠性的优化设计方法,旨在实现对滚柱直线导轨副精度可靠性的定量预测,并提高精度可靠性。实现步骤为:建立滚柱直线导轨副精度损失模型δV(S);推导精度可靠性极限状态函数δX(X);建立精度可靠度数学模型RFM、均值灵敏度模型和方差灵敏度模型;选取随机变量xi和随机变量xj;建立多目标稳健优化模型的尺寸约束和可靠度约束;以随机变量xi均值灵敏度最小和随机变量xj方差灵敏度最小为目标,建立滚柱直线导轨副多目标稳健优化模型F(xi,xj);运用最短理想点法对滚柱直线导轨副多目标稳健优化模型进行寻优,得到随机变量xi和随机变量xj的最优解。

    多元信息融合的旋转机械自适应迁移故障诊断方法

    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

    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。

    基于线性可靠度指标的滚动轴承剩余使用寿命的预测方法

    公开(公告)号:CN112069621B

    公开(公告)日:2022-09-06

    申请号:CN202010933425.3

    申请日:2020-09-08

    Abstract: 本发明提出了一种基于线性可靠度指标的精确预测滚动轴承的剩余使用寿命的方法,旨在提高模型的预测精度,实现步骤为:获取训练样本集和测试样本集;建立多个堆栈自编码器模型,以训练样本集和测试样本集分别作为输入依次对多个堆栈式自编码器模型进行训练,提取性能退化特征;基于聚类、单调性和相关性对评价性能退化特征,设置阈值筛选特征;基于单调性选取训练原始最优特征,建立线性可靠度指标曲线,并进行特征平移和特征插值,分别构建训练映射特征集和测试映射特征集;训练映射特征集为输入训练可靠性评估模型,将测试映射特征集输入训练好的可靠度评估模型得到测试可靠度,基于粒子滤波算法预测待预测轴承的剩余使用寿命。

    基于类别不平衡权重交叉熵的旋转机械故障诊断方法

    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

    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。

    基于动态域适应网络的多工况旋转机械剩余寿命预测方法

    公开(公告)号:CN112765890A

    公开(公告)日:2021-05-07

    申请号:CN202110102285.X

    申请日:2021-01-26

    Abstract: 本发明公开一种基于动态域适应网络的多工况旋转机械剩余寿命预测方法,其步骤为:1、生成源域样本集和目标域样本集;2、对源域样本集和目标域样本集中的振动信号进行预处理;3、生成目标域训练集和目标域测试集;4、采用反向验证技术选取源域训练集;5、构建动态域适应神经网络,其结构包括特征提取器,预测学习模块、边际分布自适应模块和条件分布自适应模块;6、对动态域适应神经网络进行训练,获取训练后的动态域适应神经网络模型;7、利用该模型对目标域测试集进行剩余寿命预测。本发明在多工况情况下提高了剩余寿命预测模型的泛化能力和预测精度。

    基于深度自编码器DAE的旋转机械多集成故障诊断方法

    公开(公告)号:CN110455512B

    公开(公告)日:2021-01-05

    申请号:CN201910766738.1

    申请日:2019-08-20

    Abstract: 一种基于深度自编码器DAE的旋转机械多集成故障诊断方法,实现步骤为:用旋转机械振动信号构建训练样本、验证样本、测试样本;搭建平行深度自编码器网络,训练平行深度自编码器网络;用训练好的平行深度自编码器对训练样本、验证样本、测试样本进行特征提取构建三个特征池;用构建softmax分类器优化三个特征池中的特征;用优化过后的特征从新构建和训练softmax分类器,得到最终优化的softmax分类器;将测试样本特征池中被筛选所有测试样本输入到训练好的平行深度自编码器进行特征提取,然后输入到最终优化的softmax分类器中,得到最终的分类结果。

Patent Agency Ranking