公开(公告)号：CN113792758B

公开(公告)日：2023-11-07

申请号：CN202110949934.X

申请日：2021-08-18

Applicant: 中国矿业大学

Inventor： 芦楠楠 ,  闫彤 ,  马占国 ,  肖晗晗 ,  王振领

IPC: G06F18/2415 ,  G06F18/23213 ,  G06N3/0895

Abstract: 本发明公开了一种基于自监督学习和聚类的滚动轴承故障诊断方法，首先，基于自监督学习网络对轴承数据不同时频变换类型的识别，提取两域数据的底层无偏向特征，然后以监督学习的方式训练滚动轴承故障诊断数据集中的源域数据，并利用源域监督学习网络预测得到滚动轴承故障诊断数据集中的目标域数据的初始伪标签；其次，基于网络预测生成伪标签及其概率值，考虑目标域数据自身分布特点，利用K‑means算法对自监督网络提取的目标域数据特征进行聚类，依照强簇规则，对伪标签和概率值进行更新；最后，将更新后概率值设定为对应样本伪标签的置信度，整体的平均值作为该类的整体置信度，进一步提高伪标签可用性，实现无监督领域自适应的故障诊断。

公开(公告)号：CN113792758A

公开(公告)日：2021-12-14

申请号：CN202110949934.X

申请日：2021-08-18

Applicant: 中国矿业大学

Inventor： 芦楠楠 ,  闫彤 ,  马占国 ,  肖晗晗 ,  王振领

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督学习和聚类的滚动轴承故障诊断方法，首先，基于自监督学习网络对轴承数据不同时频变换类型的识别，提取两域数据的底层无偏向特征，然后以监督学习的方式训练滚动轴承故障诊断数据集中的源域数据，并利用源域监督学习网络预测得到滚动轴承故障诊断数据集中的目标域数据的初始伪标签；其次，基于网络预测生成伪标签及其概率值，考虑目标域数据自身分布特点，利用K‑means算法对自监督网络提取的目标域数据特征进行聚类，依照强簇规则，对伪标签和概率值进行更新；最后，将更新后概率值设定为对应样本伪标签的置信度，整体的平均值作为该类的整体置信度，进一步提高伪标签可用性，实现无监督领域自适应的故障诊断。

公开(公告)号：CN115062689A

公开(公告)日：2022-09-16

申请号：CN202210565144.6

申请日：2022-05-23

Applicant: 中国矿业大学

Inventor： 芦楠楠 ,  闫彤 ,  马占国 ,  张大亮 ,  李吉祥 ,  黄晓冉

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种面向多传感器融合信息的特征迁移方法，包括采集多个传感器数据得到多个源域数据集和目标域数据集；设计能够同时提取源域和目标域特征的源网络，对于有标签的源域数据计算监督损失，对于无标签的目标域数据进行数据变换并计算其一致性损失，保证预训练网络的无偏性；通过元学习对源网络和目标网络进行逐层匹配，确保知识迁移的准确性；设计领域自适应网络并使用元伪标签方法来更新源网络，实现源网络和领域自适应网络的相互反馈，使提取的特征更准确，提高目标网络的分类性能和域适应能力，实现端到端的领域自适应；最后将目标域数据集的测试数据输入到模型中，得到最终分类诊断结果。本发明可提高多传感器数据分类的准确率。