-
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
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。
-
公开(公告)号:CN118296500A
公开(公告)日:2024-07-05
申请号:CN202410725487.3
申请日:2024-06-06
Applicant: 贵州大学
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。
-