公开(公告)号：CN114739659B

公开(公告)日：2025-04-18

申请号：CN202210456304.3

申请日：2022-04-28

Applicant: 重庆邮电大学

Inventor： 韩延 ,  牛少博 ,  黄庆卿 ,  王子龙 ,  张焱 ,  胡欣堪

IPC: G01M13/02 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及齿轮箱状态监测技术，具体为基于特征粒度对齐的变工况下齿轮箱故障诊断方法及装置。所述方法包括采集不同工况下的轴承振动数据并预处理；利用特征提取器分别提取源域数据和目标域数据特征，并计算得到两种领域之间的CMMD和FMMD，以及CFMMD；利用分类器生成源域数据的预测标签；计算出其原始标签与预测标签之间的预测损失，根据CFMMD计算出距离损失；以最小化损失和为目标函数，训练深度卷积神经网络模型；利用训练后的特征提取器提取出目标域数据特征，利用训练后的分类器对目标域数据特征进行处理，预测得到目标域数据的故障类型。本发明提高了旋转机械变工况的故障诊断效率和准确率。

公开(公告)号：CN114739659A

公开(公告)日：2022-07-12

申请号：CN202210456304.3

申请日：2022-04-28

Applicant: 重庆邮电大学

Inventor： 韩延 ,  牛少博 ,  黄庆卿 ,  王子龙 ,  张焱 ,  胡欣堪

IPC: G01M13/02 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及齿轮箱状态监测技术，具体为基于特征粒度对齐的变工况下齿轮箱故障诊断方法及装置。所述方法包括采集不同工况下的轴承振动数据并预处理；利用特征提取器分别提取源域数据和目标域数据特征，并计算得到两种领域之间的CMMD和FMMD，以及CFMMD；利用分类器生成源域数据的预测标签；计算出其原始标签与预测标签之间的预测损失，根据CFMMD计算出距离损失；以最小化损失和为目标函数，训练深度卷积神经网络模型；利用训练后的特征提取器提取出目标域数据特征，利用训练后的分类器对目标域数据特征进行处理，预测得到目标域数据的故障类型。本发明提高了旋转机械变工况的故障诊断效率和准确率。