迁移学习方法及其装置
    1.
    发明授权

    公开(公告)号:CN114358190B

    公开(公告)日:2025-01-03

    申请号:CN202210009192.7

    申请日:2022-01-06

    Abstract: 本申请公开了一种迁移学习算法及装置,该算法包括构建用于迁移学习的源模型;所述源模型由单个或多个深度学习网络构建;获取机电设备的原始信号,基于所述原始信号构建中间变量;其中,所述中间变量既具有分类任务要求的离散可聚类特性,又具有回归任务所需的连续渐变特性;基于所述中间变量的模糊隶属度函数确定所述原始信号对应的标签;以所述原始信号、以及对应的标签构建训练集对所述源模型进行训练以得到迁移学习的新模型;基于所述迁移学习的新模型对机电设备执行分类任务和回归任务。该迁移学习算法及装置,能够在一个深度网络中解决两类不同的任务,以提高算法在不同对象、不同工况和不同任务之间的迁移性能。

    轴承健康度的确定方法及装置
    2.
    发明公开

    公开(公告)号:CN114528873A

    公开(公告)日:2022-05-24

    申请号:CN202210072071.7

    申请日:2022-01-21

    Applicant: 清华大学

    Abstract: 本申请公开了一种轴承健康度的确定方法及装置,该方法包括确定轴承的各部分当前时刻的健康度指标;其中,所述轴承包括内圈、外圈、滚珠和保持架;根据所述各部分当前时刻的健康度指标确定所述轴承当前时刻的健康度。该轴承健康度的确定方法及装置,提高了轴承剩余寿命的预测精度且在机理上具有可解释性。

    迁移学习算法及其装置
    3.
    发明公开

    公开(公告)号:CN114358190A

    公开(公告)日:2022-04-15

    申请号:CN202210009192.7

    申请日:2022-01-06

    Abstract: 本申请公开了一种迁移学习算法及装置,该算法包括构建用于迁移学习的源模型;所述源模型由单个或多个深度学习网络构建;获取机电设备的原始信号,基于所述原始信号构建中间变量;其中,所述中间变量既具有分类任务要求的离散可聚类特性,又具有回归任务所需的连续渐变特性;基于所述中间变量的模糊隶属度函数确定所述原始信号对应的标签;以所述原始信号、以及对应的标签构建训练集对所述源模型进行训练以得到迁移学习的新模型;基于所述迁移学习的新模型对机电设备执行分类任务和回归任务。该迁移学习算法及装置,能够在一个深度网络中解决两类不同的任务,以提高算法在不同对象、不同工况和不同任务之间的迁移性能。

    叶轮机械性能预测模型参数优化方法及装置、存储介质

    公开(公告)号:CN116595874A

    公开(公告)日:2023-08-15

    申请号:CN202310558377.8

    申请日:2023-05-17

    Applicant: 清华大学

    Abstract: 一种叶轮机械性能预测模型参数优化方法及装置、存储介质,所述方法包括:确定叶轮机械性能预测模型中待优化的模型参数及优化范围;获取试验数据;建立多目标优化函数和优化目标,所述多目标优化函数用于表示所述叶轮机械性能预测模型输出的至少两种参数的预测值与所述试验数据中的至少两种参数的试验值的差异,所述至少两种参数包括:宏观性能参数和流场气动参数,所述优化目标为使所述多目标优化函数最小化;根据所述优化范围对所述多目标优化函数进行迭代计算寻优,得到优化后的模型参数。

Patent Agency Ranking