-
公开(公告)号：CN120011785A
公开(公告)日：2025-05-16
申请号：CN202510114168.3
申请日：2025-01-24
Applicant: 哈尔滨理工大学
IPC: G06F18/213 , G06N3/0442 , G06N3/098 , G01M13/04
Abstract: 发明一种基于参数解耦个性化联邦的不同工况下滚动轴承寿命预测方法及系统，涉及轴承寿命预测技术领域，为解决现有方法针对来自不同工况下滚动轴承振动数据往往呈现非独立同分布的特点，可能导致参数更新方向彼此分离、全局模型收敛缓慢甚至偏离最优参数的问题。本发明采用多级退化标签表示方法对训练集轴承寿命数据的不同阶段进行标记；网络模型包括SEResNet块和ConvLSTM块，SEResNet块用于进行特征提取，并通过连接最大池化层保留重要特征，ConvLSTM块用于对特征进行进一步处理；中央服务端将网络模型解耦，将SEResNet网络作为共享表示层，将ConvLSTM和全连接层作为个性化层，通过联邦学习的方式对共享表示层进行训练，将各个共享表示层参数进行聚合，最终得到滚动轴承寿命预测模型。
-
公开(公告)号：CN119995819A
公开(公告)日：2025-05-13
申请号：CN202411646576.5
申请日：2024-11-18
Applicant: 哈尔滨理工大学
Abstract: 一种混沌加密与双服务器赋能的鲁棒联邦学习方法及系统，属于数据安全技术领域。本发明是针对现有的联邦学习隐私保护方法普遍计算开销大，及现有使用混沌加密保护联邦学习隐私的方法不支持边缘节点使用互异的初始值加密的问题而提来的。技术要点：本发明允许边缘节点使用不同的初始值对本地模型参数加密，且密文之间存在相互抵消的特性，聚合后可得到明文形式的结果；其次，构建双服务器检测模式，对本地模型进行分层检测；最后提出一种信誉分机制，根据检测结果对边缘节点进行信誉评估，过滤拜占庭边缘节点，聚合诚实边缘节点的本地模型参数。安全性分析表明所提方法可有效防止边缘节点的隐私泄露；实验结果表明拜占庭攻击下，所提方法的测试准确率比基线方案平均高18.33％，与CKKS、BFV等同态加密方法相比，时间开销至少降低69.8％，可高效地兼顾隐私保护与拜占庭鲁棒性。本发明适用于滚动轴承的故障诊断。
-
公开(公告)号：CN119880421A
公开(公告)日：2025-04-25
申请号：CN202510114166.4
申请日：2025-01-24
Applicant: 哈尔滨理工大学
IPC: G01M13/04 , G01M13/045 , G06F18/213 , G06F18/22 , G06F18/214 , G06N3/0442 , G06N3/094 , G06N3/096
Abstract: 本发明一种类别不平衡场景下的宽度无监督域适应两阶段滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断领域，为解决现有技术中缺少有效解决轴承故障诊断中的类别不平衡下的域适应问题的方法。包括：步骤一、采用滚动轴承时域数据，对数据进行降维；步骤二、利用宽度学习网络模型对数据进行特征提取，并采用流形嵌入分布对齐进行特征对齐，获得目标域数据伪标签；步骤三、基于不确定性度量和样本间余弦相似度进行样本筛选，划分可靠样本与剩余样本；引入含有梯度惩罚的生成对抗网络WGAN‑GP对筛选出的对目标域中可靠样本进行数据增强，得到平衡样本集；步骤四、将平衡样本集作为训练集，对宽度学习网络模型进行训练，最后输入目标域剩余样本进行诊断。
-
公开(公告)号：CN117313534A
公开(公告)日：2023-12-29
申请号：CN202311268686.8
申请日：2023-09-28
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06F18/214 , G06N3/0464 , G06N3/0442 , G06N3/092 , G06F119/02
Abstract: 本发明公开了一种基于TD3优化模型更新策略的滚动轴承剩余寿命预测方法及系统，涉及滚动轴承使用寿命预测技术领域，用以解决现有滚动轴承寿命预测模型在更新过程中存在模型退化及预测精度较低的问题。本发明的技术要点包括：利用连续小波变换将滚动轴承振动数据变换为二维时频谱图，构建数据集；引入深度强化学习，设计状态、动作、奖励值、损失函数等元素，用于训练CNN‑BiLSTM预测模型；利用TD3算法的延迟和软更新策略，降低CNN特征网络更新频率，并设计新的损失函数，进而建立新的模型更新策略，解决预测模型退化问题。本发明可实现滚动轴承剩余寿命的准确预测。
-
-
-
Search Results
4
records
(took 0.03 seconds)
