公开(公告)号：CN116401530A

公开(公告)日：2023-07-07

申请号：CN202310360186.0

申请日：2023-04-06

Applicant: 重庆交通大学

Inventor： 赵玲 ,  邹杰 ,  王航 ,  秦佳继 ,  米波 ,  孟阳

IPC: G06F18/213 ,  G06N3/006 ,  G01M13/045

Abstract: 本发明涉及轴承故障诊断领域，具体涉及基于WOA算法优化特征模态分解的轴承故障诊断方法，包括：获取待诊断的轴承故障信号；通过WOA算法自适应搜索FMD算法的最优输入参数组合；通过确定了输入参数的FMD算法对轴承故障信号进行分解，得到若干模态分量；计算各个模态分量的峰度值并选取峰度值最大的模态分量进行包络解调，进而提取对应的故障特征信息以实现轴承故障诊断。本发明能够通过FMD兼顾轴承故障信号的脉冲特性和周期性，同时通过WOA优化FMD的参数选取以充分发挥其性能和效率，从而能够提高轴承故障诊断的准确性和有效性。

公开(公告)号：CN119939354A

公开(公告)日：2025-05-06

申请号：CN202510094406.9

申请日：2025-01-21

Applicant: 重庆交通大学

Inventor： 赵玲 ,  秦佳继 ,  谭晋 ,  王航 ,  邹杰

IPC: G06F18/241 ,  G01M13/021 ,  G01M13/028 ,  G06F18/213 ,  G06F18/21 ,  G06N3/096 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明涉及互联网大数据和单轨齿轮箱故障诊断领域，具体涉及一种基于动力学建模和通用域适应的单轨齿轮箱故障诊断方法，包括：将跨座式单轨齿轮箱数据输入训练好的故障诊断模型中输出预测故障标签；模型的训练步骤包括：将源域的样本输入特征提取器进行特征提取得到源域样本特征；将源域样本特征输入标签分类器中输出预测故障标签；计算源域分类损失；计算多分类器损失；计算混淆数据正则化损失；计算开放集熵损失；基于源域分类损失、多分类器损失、混淆数据正则化损失和开放集熵损失计算总损失并反向优化模型参数，直至模型收敛或达到最大迭代次数。本发明能够提高模型的训练效率以及单轨齿轮箱故障诊断的准确性和可靠性。

公开(公告)号：CN116481811A

公开(公告)日：2023-07-25

申请号：CN202310478796.0

申请日：2023-04-28

Applicant: 重庆交通大学

Inventor： 赵玲 ,  王航 ,  邹杰 ,  秦佳继

IPC: G01M13/045

Abstract: 本发明涉及轴承故障特征提取技术领域，具体涉及一种基于GWO优化SVMD的故障特征提取方法，包括：获取待提取的轴承故障信号；通过GWO算法自适应迭代搜索SVMD算法的最优平衡参数；通过确定了平衡参数的SVMD算法对轴承故障信号进行分解，得到若干本征模态函数(IMF)；计算各个IMF分量的峰度值并选取峰度值最大的IMF分量作为目标IMF，进而对目标IMF进行包络解调并提取对应的故障特征信息；本发明通过SVMD提高轴承故障信号分解的效率和效果，同时通过GWO优化SVMD的参数选取以提高其分解精度，从而能够提高轴承故障特征提取的准确性和有效性。

公开(公告)号：CN120011814A

公开(公告)日：2025-05-16

申请号：CN202510094402.0

申请日：2025-01-21

Applicant: 重庆交通大学

Inventor： 赵玲 ,  王航 ,  刘洋 ,  邹杰 ,  秦佳继

IPC: G06F18/214 ,  G06N3/006 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G01M13/02

Abstract: 本发明公开了一种基于数据增强策略的跨座式单轨列车齿轮箱故障检测方法，包括：将跨座式单轨列车齿轮箱数据输入训练好的故障检测模型中输出预测故障标签；故障检测模型的训练步骤包括：基于连续变模态分解算法对实测故障数据进行扩充；通过初步扩充样本和健康数据训练1D MOPGAN模型；将健康数据输入训练好的1D MOPGAN模型的生成器中输出虚拟故障数据；将生成的虚拟故障数据和健康数据一起作为故障检测模型的训练集；通过训练集训练故障检测模型，直至模型收敛或达到最大迭代次数。本发明能够解决齿轮箱故障类型多样、数据采集困难导致的小样本问题，从而提高跨座式单轨列车齿轮箱故障检测的准确性和可靠性。

公开(公告)号：CN120011782A

公开(公告)日：2025-05-16

申请号：CN202510094412.4

申请日：2025-01-21

Applicant: 重庆交通大学

Inventor： 赵玲 ,  邹杰 ,  米波 ,  王航 ,  秦佳继

IPC: G06F18/213 ,  G06F18/2433 ,  G06F18/214 ,  G06F18/24 ,  G06N3/094 ,  G06N3/045 ,  G06N3/0475 ,  G01M13/02

Abstract: 本发明涉及互联网大数据及故障诊断领域，具体涉及一种基于IDANN的跨工况齿轮箱故障诊断方法，通过改进时频变换网络进行特征提取，该改进时频变换网络将具有可解释性的时频特征网络和深度残差网络相结合并整合了软阈值降噪模块；同时在预测损失函数和对抗损失函数的基础上，引入了目标域级别的类级对齐即目标域的差异损失函数，通过添加两个标签分类器并采用Wasserstein距离进行可靠的异常目标域样本差异度量，该度量考虑了概率空间底层几何的性质，即使在分布不共享支持的情况下也能够有效检测异常目标样本；最终基于预测损失函数、目标域的差异损失函数和对抗损失函数计算总损失函数来优化模型参数，从而提高齿轮箱故障诊断的准确性和效率。