公开(公告)号：CN117667511A

公开(公告)日：2024-03-08

申请号：CN202311609552.8

申请日：2023-11-28

Applicant: 贵州大学

Inventor： 杨磊 ,  李少波 ,  李传江 ,  张安思 ,  张羽

IPC: G06F11/14 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明涉及无人机异常检测技术领域，公开了一种基于多源数据融合知识迁移的飞行数据异常检测恢复方法，包括以下步骤：步骤1，对无人机飞行数据集进行非标化处理和参数选择；步骤2，将处理后的无人机飞行数据集划分为多个源域和一个目标域；将多个源域融合为一个新的参考源域，基于参考源域对预设的检测模型进行预训练，以获得目标域的初始化参数；步骤3，使用目标域中的有限数据对检测模型进行微调，并使用目标域作为测试集进行测试；步骤4，获取检测模型的训练残差和测试残差；对检测模型的训练残差进行平滑处理，以获得异常检测阈值。本发明能够在有限样本下，达到较优的异常检测和预测恢复效果。

公开(公告)号：CN115712833A

公开(公告)日：2023-02-24

申请号：CN202211449025.0

申请日：2022-11-18

Applicant: 贵州大学

Inventor： 杨磊 ,  李少波 ,  李传江 ,  张安思 ,  张仪宗

IPC: G06F18/214 ,  G06N3/049 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明涉及无人机异常检测技术领域，公开了一种基于时空相关性的多维无人机飞行数据的无监督异常检测方法，包括以下步骤：步骤1：采集原始数据集；步骤2：预处理原始数据集，并得到标准数据集；步骤3：采用MIC相关分析法处理标准数据集，并输出得到飞行数据参数之间的关联程度值；步骤4：自标准数据集中，提取关联程度值大于第一阈值的飞行数据参数，并组成特征子集；步骤5：将特征子集作为模型输入，输入至LSTM‑AE模型中；将LSTM‑AE模型损失函数作为异常分数；步骤6：若异常分数大于第二阈值，则判定为飞行数据存在异常。本发明能够准确检测数据异常，且能够有效减少数据分析对于先验知识的依赖性，异常检测较为方便，检测有效度高。

公开(公告)号：CN109466051A

公开(公告)日：2019-03-15

申请号：CN201811559866.0

申请日：2018-12-19

Applicant: 贵州大学

Inventor： 李少波 ,  牛程程 ,  周鹏 ,  张钧星 ,  李传江 ,  孙宜春 ,  庞媛媛

IPC: B29C51/30 ,  B29C51/36 ,  B29C51/42 ,  B29C51/44 ,  B29C51/26

Abstract: 本发明公开了一种用于泡罩成型机的泡罩成型装置，包括凸模和凹模，凸模固定连接在凸模座，凸模座固定连接在底板立柱上，凹模固定连接在凹模座上，凹模活动连接在导杆上，导杆固定连接在凸模上，凹模座上侧安装有驱动其移动的驱动机构，驱动机构和底板立柱均安装在支架上，凸模和凹模间安装有薄型传送带，薄型传送带上设置有成型通孔，支架为卧式U型结构，导杆上套接有复位弹簧，复位弹簧两端分别抵靠在凸模和凹模上。本发明通过凹凸模具以及驱动动机和薄形传送带，能够快速实现软化的PVC膜泡罩成型，的凹凸模具形状相同，采用驱动机构进行挤压成型，无需考虑气密性问题，设备加工简化，成本降低，成型效果好，废品率大大降低。

公开(公告)号：CN118296329B

公开(公告)日：2024-08-20

申请号：CN202410725867.7

申请日：2024-06-06

Applicant: 贵州大学

Inventor： 李传江 ,  张向杰 ,  李少波 ,  冯毅雄 ,  周含奕 ,  于丽娅 ,  来见坤

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/214 ,  G06F18/241 ,  G06N20/20

Abstract: 本发明涉及机械装备智能故障诊断领域，具体涉及一种用于非独立同分布情况下的联邦元学习故障诊断方法，包括步骤：联邦服务器初始化全局模型；客户端通过元学习训练全局和本地特征提取器的插值矩阵，并将插值后的特征提取器作为特征提取器的本地训练初始化；客户端根据联邦服务器发送的细粒度重构以后的分类器作为分类器本地训练的初始化；客户端固定分类器，多次训练特征提取器；客户端固定特征提取器，训练分类器，并将模型上传至联邦服务器；联邦服务器接收模型，通过优化求解确定分类器细粒度重构系数，重复以上过程迭代至收敛。本发明通过元学习自适应插值和分类器细粒度重构，有效解决工业设备故障诊断中数据异构性和模型泛化能力差的问题。

公开(公告)号：CN118296329A

公开(公告)日：2024-07-05

申请号：CN202410725867.7

申请日：2024-06-06

Applicant: 贵州大学

Inventor： 李传江 ,  张向杰 ,  李少波 ,  冯毅雄 ,  周含奕 ,  于丽娅 ,  来见坤

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/214 ,  G06F18/241 ,  G06N20/20

Abstract: 本发明涉及机械装备智能故障诊断领域，具体涉及一种用于非独立同分布情况下的联邦元学习故障诊断方法，包括步骤：联邦服务器初始化全局模型；客户端通过元学习训练全局和本地特征提取器的插值矩阵，并将插值后的特征提取器作为特征提取器的本地训练初始化；客户端根据联邦服务器发送的细粒度重构以后的分类器作为分类器本地训练的初始化；客户端固定分类器，多次训练特征提取器；客户端固定特征提取器，训练分类器，并将模型上传至联邦服务器；联邦服务器接收模型，通过优化求解确定分类器细粒度重构系数，重复以上过程迭代至收敛。本发明通过元学习自适应插值和分类器细粒度重构，有效解决工业设备故障诊断中数据异构性和模型泛化能力差的问题。

公开(公告)号：CN117171681B

公开(公告)日：2024-01-30

申请号：CN202311455764.5

申请日：2023-11-03

Applicant: 贵州大学

Inventor： 李传江 ,  张向杰 ,  张仪宗 ,  李少波 ,  王浩宇 ,  于丽娅 ,  张羽

IPC: G06F18/2431 ,  B64F5/60 ,  G06F18/15 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 标。本发明在舵面故障非平衡小样本及环境扰动本发明涉及无人机舵面智能故障诊断技术 下具有优异的故障诊断性能，为无人机舵面智能领域，公开了一种非平衡小样本下的无人机舵面 故障诊断提供了有效方案。智能故障诊断方法及装置，步骤包括：a.从无人机非平衡小样本数据集中选择舵面故障敏感参数并归一化；b.采用滑动窗口和随机采样方法构建输入样本对；c.建立基于卷积门控循环单元的双路神经网络模型进行故障特征提取；d.利用L1距离函数计算输入样本对故障特征间的相似性，引入加权二元交叉熵损失函数优化模型训练过(56)对比文件Huipeng Chen等.A deep convolutionneural network based fusion method oftwo-direction vibration signal data forhealth state identification of planetarygearboxes《.Measurement》.2019,第146卷268-278.Shenghan Zhou等.A Self-SupervisedFault Detection for UAV Based onUnbalanced Flight Data RepresentationLearning and Wavelet Analysis《.Aerospace2023》.2023,第10卷(第3期),1-21.

公开(公告)号：CN117171681A

公开(公告)日：2023-12-05

申请号：CN202311455764.5

申请日：2023-11-03

Applicant: 贵州大学

Inventor： 李传江 ,  张向杰 ,  张仪宗 ,  李少波 ,  王浩宇 ,  于丽娅 ,  张羽

IPC: G06F18/2431 ,  B64F5/60 ,  G06F18/15 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及无人机舵面智能故障诊断技术领域，公开了一种非平衡小样本下的无人机舵面智能故障诊断方法及装置，步骤包括：a.从无人机非平衡小样本数据集中选择舵面故障敏感参数并归一化；b.采用滑动窗口和随机采样方法构建输入样本对；c.建立基于卷积门控循环单元的双路神经网络模型进行故障特征提取；d.利用L1距离函数计算输入样本对故障特征间的相似性，引入加权二元交叉熵损失函数优化模型训练过程中对多数类和少数类的分类效果；e.对预训练模型使用微调策略增强模型对测试数据的适应性，输出模型在测试样本上的故障诊断性能指标。本发明在舵面故障非平衡小样本及环境扰动下具有优异的故障诊断性能，为无人机舵面智能故障诊断提供了有效方案。

公开(公告)号：CN113094989B

公开(公告)日：2022-12-09

申请号：CN202110371138.2

申请日：2021-04-07

Applicant: 贵州大学

Inventor： 李少波 ,  廖子豪 ,  周鹏 ,  张安思 ,  李传江

IPC: G06F30/27 ,  G01R31/367 ,  G06F119/04

Abstract: 本发明公开了一种基于随机配置网络的无人机电池寿命预测方法，该方法为：以无人机用锂离子电池容量作为直接健康因子，电池放电电压作为间接健康因子，采用随机配置网络进行模型训练及参数调试，获得锂离子电池的寿命预测模型进行预测。有效避免现有数据驱动预测方法中存在的精度低、训练数据需求大等问题，充分发挥SCN自主性强、收敛速度快、网络成本低等特点，相较于其余神经网络，SCN的RMSE值最小，具有更低的训练损失和更好的网络拟合效果，是一种有效的锂电池RUL预测算法。

公开(公告)号：CN118709753A

公开(公告)日：2024-09-27

申请号：CN202410893765.6

申请日：2024-07-04

Applicant: 贵州大学

Inventor： 徐兆 ,  于丽娅 ,  李传江 ,  李少波 ,  胡陈艳

IPC: G06N3/098 ,  G06N3/0464 ,  G06N3/096 ,  G06F18/241 ,  G01M13/04

Abstract: 发明涉及非独立同分布数据技术领域，公开了一种基于联邦学习的工业设备集群非独立同分布数据处理框架，步骤：a.各客户端进行优化的过采样，划分出源域和目标域客户端；b.中央服务器发送1‑DCNN至所有客户端；c.源域客户端对模型进行训练并传回至中央服务器；d.将源域和目标域客户端数据分别输入模型，使用MMD 度量二者在各卷积层和全连接层上的特征分布距离；e.判断模型中各层是否需要迁移；f.目标域客户端训练模型并传回至中央服务器；g.中央服务器基于FedAvg对模型进行聚合，发送至各客户端进行评估。本发明在非独立同分布数据的处理中具有优异性能，同时满足了隐私需求和算力需求，为工业设备集群数据非独立同分布问题提供了有效解决方案。

公开(公告)号：CN118296500B

公开(公告)日：2024-08-16

申请号：CN202410725487.3

申请日：2024-06-06

Applicant: 贵州大学

Inventor： 李传江 ,  王浩宇 ,  冯毅雄 ,  李少波 ,  胡鹏飞 ,  罗贤林

IPC: G06F18/2415 ,  G01M13/045 ,  G06F18/2431 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种面向变工况噪声标签场景的小样本智能故障诊断方法，设计了一种基于transformer模型改进的ETALF模型，步骤包括：将获得的轴承振动信号通过短时傅里叶变换转换为时频图；根据工况的不同将时频图划分为元训练集、元验证集和元测试集；从元训练集中随机采样构建N‑way K‑shot故障分类任务并注入噪声标签；构建ETALF模型并设计非对称损失函数用于增强模型对噪声标签惩罚能力；利用含噪声标签样本训练ETALF模型；保存元验证阶段准确率最高时的模型及参数；构建含有噪声标签的元测试任务并使用训练好的模型进行测试。本发明在工业场景不同程度噪声标签实验中均具有优异的故障诊断性能，为解决含噪声标签的轴承智能故障诊断问题提供了有效的解决方案。