公开(公告)号：CN116383757A

公开(公告)日：2023-07-04

申请号：CN202310223713.3

申请日：2023-03-09

Applicant: 哈尔滨理工大学 ,  长春大学

Inventor： 邹英永 ,  张永德 ,  肖治国 ,  刘宇鹏 ,  赵文卓

IPC: G06F18/25 ,  G06F18/21 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明公开了一种基于多尺度特征融合和迁移学习的轴承故障诊断方法，所述包括如下步骤：步骤1：在多尺度特征融合层中使用不同尺度的三个卷积核来捕获互补和丰富的诊断信息；步骤2：将多尺度振动信号的采样点分组为小的标记块，每个标记块表示多尺度信号中的语义概念，然后通过展平转换成序列，为了保留信号的位置信息，使用线性嵌入层投影到补丁嵌入，生成具有标记的嵌入序列；步骤3：将嵌入序列馈送到TransformerEncoder层以生成特征序列；步骤4：将特征序列输入到对抗生成网络中，进行基于Wasserstein距离度量的对抗学习。本发明解决了滚动轴承特征提取不充分以及故障诊断不准确、工况下存在过拟合的问题。

公开(公告)号：CN116383757B

公开(公告)日：2023-09-05

申请号：CN202310223713.3

申请日：2023-03-09

Applicant: 哈尔滨理工大学 ,  长春大学

Inventor： 邹英永 ,  张永德 ,  肖治国 ,  刘宇鹏 ,  赵文卓

IPC: G06F18/25 ,  G06F18/21 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明公开了一种基于多尺度特征融合和迁移学习的轴承故障诊断方法，所述包括如下步骤：步骤1：在多尺度特征融合层中使用不同尺度的三个卷积核来捕获互补和丰富的诊断信息；步骤2：将多尺度振动信号的采样点分组为小的标记块，每个标记块表示多尺度信号中的语义概念，然后通过展平转换成序列，为了保留信号的位置信息，使用线性嵌入层投影到补丁嵌入，生成具有标记的嵌入序列；步骤3：将嵌入序列馈送到TransformerEncoder层以生成特征序列；步骤4：将特征序列输入到对抗生成网络中，进行基于Wasserstein距离度量的对抗学习。本发明解决了滚动轴承特征提取不充分以及故障诊断不准确、工况下存在过拟合的问题。