公开(公告)号：CN117370851B

公开(公告)日：2024-04-16

申请号：CN202311115560.7

申请日：2023-08-31

Applicant: 西南交通大学

Inventor： 易彩 ,  汤贵庭 ,  王靖元 ,  汪煜坤 ,  林建辉 ,  张维浩 ,  陶冶

IPC: G06F18/241 ,  G01M13/045 ,  G06N3/0464 ,  G06N3/084 ,  G06F18/213 ,  G06N3/088 ,  G06N3/096

Abstract: 本发明公开了一种基于无监督迁移学习的自适应输入长度轴承故障诊断方法，包括步骤如下：从源域和目标域机器获取轴承振动信号数据；通过自适应输入长度模块AILM对源域和目标域的振动信号进行预处理，获取网络的输入数据；构建特征提取模块用于提取状态特征，并利用密集块使前面所有卷积层和后面卷积层密集链接，实现从低维特征中获取信息；构建状态分类模块和源域与目标域损失函对数据分类，并引用最大均值差异MMD使源域和目标域对齐；构建总优化目标函数L，进行模型参数更新，得到最优轴承智能健康状态识别网络AILTLN，将经预处理后的数据输入到最优网络，完成轴承智能健康状态识别。发明中所提AILTLN在轴承智能健康状态识别的TL中优于其他现有方法。

公开(公告)号：CN117370851A

公开(公告)日：2024-01-09

申请号：CN202311115560.7

申请日：2023-08-31

Applicant: 西南交通大学

Inventor： 易彩 ,  汤贵庭 ,  王靖元 ,  汪煜坤 ,  林建辉 ,  张维浩 ,  陶冶

IPC: G06F18/241 ,  G01M13/045 ,  G06N3/0464 ,  G06N3/084 ,  G06F18/213 ,  G06N3/088 ,  G06N3/096

Abstract: 本发明公开了一种基于无监督迁移学习的自适应输入长度轴承故障诊断方法，包括步骤如下：从源域和目标域机器获取轴承振动信号数据；通过自适应输入长度模块AILM对源域和目标域的振动信号进行预处理，获取网络的输入数据；构建特征提取模块用于提取状态特征，并利用密集块使前面所有卷积层和后面卷积层密集链接，实现从低维特征中获取信息；构建状态分类模块和源域与目标域损失函对数据分类，并引用最大均值差异MMD使源域和目标域对齐；构建总优化目标函数L，进行模型参数更新，得到最优轴承智能健康状态识别网络AILTLN，将经预处理后的数据输入到最优网络，完成轴承智能健康状态识别。发明中所提AILTLN在轴承智能健康状态识别的TL中优于其他现有方法。

公开(公告)号：CN117213859A

公开(公告)日：2023-12-12

申请号：CN202311158787.X

申请日：2023-09-08

Applicant: 西南交通大学

Inventor： 易彩 ,  汤贵庭 ,  王靖元 ,  张维浩 ,  汪煜坤 ,  林建辉 ,  陶冶 ,  李奕璠

IPC: G01M13/045

Abstract: 本发明公开了一种基于并行集成优化和迁移学习的轴承智能故障诊断方法，首先，基于信号解调方法，构建自适应输入模块，从原始振动信号中自动选择输入长度；其次，构建具有低维特征重用的TL网络，实现权重和偏置共享；再次，提出了一种并行集成优化损失函数，对源域和目标域之间分布未知的数据进行对齐，最后，通过多源、无监督和跨域TL的两个实例验证了该方法的性能。结果表明，该方法不仅摆脱了人工输入长度设置的限制，而且克服了优化函数的限制，比现有的智能故障诊断模型更有效。

公开(公告)号：CN117473412B

公开(公告)日：2024-05-07

申请号：CN202311158788.4

申请日：2023-09-08

Applicant: 西南交通大学

Inventor： 易彩 ,  汤贵庭 ,  陶冶 ,  王靖元 ,  汪煜坤 ,  林建辉 ,  张维浩 ,  李奕璠

IPC: G06F18/2415 ,  G06N3/088 ,  G06N3/096 ,  G06N3/0464 ,  G01M13/045 ,  G01M13/04

Abstract: 本发明公开了一种噪声条件下无监督迁移学习轴承故障诊断方法和系统，通过一种自适应输入长度模型来代替固定的输入长度来诊断不同参数的轴承，结合第一卷积层和池化层的宽核信号处理方法对输入进行特征去噪；构建基于分组卷积和实例归一化算法，用于特征提取、健康状况分类和去噪；引入基于最大均值差异的优化目标函数对特征分布差异进行对齐；提出的模型不依赖于任何轴承数据标签信息，实现了无监督故障诊断；所提出模型不仅拥有较好智能故障诊断的性能，在噪声条件下对TL不同数据集具有优秀的轴承故障诊断能力。

公开(公告)号：CN117473412A

公开(公告)日：2024-01-30

申请号：CN202311158788.4

申请日：2023-09-08

Applicant: 西南交通大学

Inventor： 易彩 ,  汤贵庭 ,  陶冶 ,  王靖元 ,  汪煜坤 ,  林建辉 ,  张维浩 ,  李奕璠

IPC: G06F18/2415 ,  G06N3/088 ,  G06N3/096 ,  G06N3/0464 ,  G01M13/045 ,  G01M13/04

Abstract: 本发明公开了一种噪声条件下无监督迁移学习轴承故障诊断方法和系统，通过一种自适应输入长度模型来代替固定的输入长度来诊断不同参数的轴承，结合第一卷积层和池化层的宽核信号处理方法对输入进行特征去噪；构建基于分组卷积和实例归一化算法，用于特征提取、健康状况分类和去噪；引入基于最大均值差异的优化目标函数对特征分布差异进行对齐；提出的模型不依赖于任何轴承数据标签信息，实现了无监督故障诊断；所提出模型不仅拥有较好智能故障诊断的性能，在噪声条件下对TL不同数据集具有优秀的轴承故障诊断能力。