“丁传仓”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果16个，建议您升级VIP下载更多相关专利

[发明专利]概率引导的域对抗轴承故障诊断方法及系统-CN202211406175.3有效
发明人：沈长青;李景德;王报祥;石娟娟;丁传仓;黄伟国;朱忠奎;张福生;王书蓓;刘承建 -专利权人：苏州大学
申请日： 2022-11-10 - 公布日： 2023-08-25 - 主分类号： G06F18/24 文献下载
摘要：本发明实施例提供了一种概率引导的域对抗轴承故障诊断方法及系统，该方法包括采集振动信号构建源域数据集和目标域数据集；对轴承信号样本进行频域处理，得到样本图片；将所述源域样本图片和目标域样本图片输入提前搭建好的神经网络模型进行训练；构建第一阶段目标函数，实现鉴别器和特征生成器参数的更新；构建第二阶段目标函数，实现分类器参数的更新，神经网络模型训练完成；将目标域数据集输入训练好的神经网络模型，实现轴承故障诊断。本发明方法解决了轴承故障诊断网络特征分类能力不足的问题，轴承故障诊断的结果准确率高、鲁棒性更强，并且适用于变工况多场景、多种故障的诊断。
概率引导对抗轴承故障诊断方法系统

[发明专利]故障诊断方法和装置、存储介质-CN202310257321.9在审
发明人：贾连辉;魏晓龙;孙浩;黄伟国;王俊;丁传仓;孟祥波;龚廷民;崔俊峰;路亚缇 -专利权人：中铁工程装备集团有限公司;苏州大学
申请日： 2023-03-16 - 公布日： 2023-07-18 - 主分类号： G01M13/021 文献下载
摘要：本公开提供一种故障诊断方法和装置、存储介质，涉及故障诊断技术领域。故障诊断方法包括：获取被测试设备的振动信号；计算振动信号的包络信号；利用第一调频小波变换对包络信息进行处理，以得到第一时频图，其中第一调频小波变换中的调频因子是瞬时频率的函数，第一调频小波变换中的窗函数为可差分窗函数；利用第一时频图构建同步提取算子；利用第一时频图和同步提取算子得到目标时频图；识别目标时频图中的脊线，以便根据脊线确定被测试设备的故障类型。
故障诊断方法装置存储介质

[发明专利]一种非平稳工况下轨道车辆轮对轴承故障诊断方法及设备-CN202211640727.7在审
发明人：江星星;李学岗;高越;石娟娟;杜贵府;丁传仓;王俊;沈长青;黄伟国;朱忠奎 -专利权人：苏州大学
申请日： 2022-12-19 - 公布日： 2023-06-27 - 主分类号： G01M13/045 文献下载
摘要：本发明涉及一种非平稳工况下轨道车辆轮对轴承故障诊断方法包括根据多种传感器采集的轨道车辆轮对轴承在不同非平稳工况下的多种信号获取样本数据；多通道融合得多传感器信息融合样本并进行自适应加权，生成目标多传感器信息融合数据，特征提取器提取目标多传感器信息融合数据在多传感器视角下的特征信息，存储至相对应的记忆库中；利用原型对比学习进行领域适配学习，获取域适应损失；利用源域数据集中提取的特征信息与半监督学习算法训练域共享类别分类器；利用域适应损失与半监督分类损失通过反向传播与梯度下降算法更新网络参数，获得目标网络；将数据集中没有类别标签的待测试样本数据输入至目标网络中，获取待测试样本数据的故障类别。
一种平稳工况轨道车辆轮对轴承故障诊断方法设备

[发明专利]一种轴承故障检测方法、装置及设备-CN202211398933.1有效
发明人：黄伟国;马骏陶;韩时炘;曾冠杰;王俊;丁传仓;杜贵府;江星星;石娟娟;沈长青;朱忠奎 -专利权人：苏州大学
申请日： 2022-11-09 - 公布日： 2023-06-27 - 主分类号： G01M13/045 文献下载
摘要：本发明涉及一种轴承故障检测方法包括：获取测试轴承的振动加速度时域信号，经短时傅里叶变换生成时频域系数矩阵；利用广义极小极大凹罚函数与截断核范数构建稀疏低秩优化模型的凸性目标函数；利用交替方向乘子法将凸性目标函数拆分成关于广义极小极大凹罚函数的第一子目标函数、关于截断核范数的第二子目标函数与辅助迭代函数；利用前向后向分裂算法求解第一子目标函数得关于Xk+1的迭代公式组；利用奇异值阈值算法求解第二目标子函数得关于Zk+1的迭代公式；初始化参数，将时频域系数矩阵输入辅助迭代函数中，迭代预设次数获取时频域稀疏低秩矩阵；对时频域稀疏低秩矩阵进行短时傅里叶逆变换得到重构时域信号后，进行平方包络谱分析，得到故障特征频率。
一种轴承故障检测方法装置设备

[发明专利]一种基于分类器差异软权自适应网络的故障诊断方法-CN202211699746.7在审
发明人：黄伟国;王锐;张骁;廖一;杜贵府;丁传仓;王俊;沈长青 -专利权人：苏州大学
申请日： 2022-12-28 - 公布日： 2023-05-12 - 主分类号： G01M13/04 文献下载
摘要：本发明公开了一种基于分类器差异软权自适应网络的故障诊断方法、装置、设备以及计算机可读存储介质，本发明由特征提取器、离群分类器与两个状态分类器三部分构成，特征提取器用于提取源域和目标域不同类别的可迁移特征，两个不同的状态分类器基于提取到的可转移特征进行标签预测；离群分类器对目标域样本进行伪标签学习，从而自动分离共享类和离群类样本；本发明构造了一个样本软权重项，以自适应地测量目标样本属于跨域共享标签空间的概率，设计了一个加权分类器差异损失来获取共享类样本的跨域不变特征，本发明诊断精度高，鲁棒性强，适用于变工况类型差异下的开集迁移故障诊断任务，可广泛应用于机械、电力、化工、航空等领域。
一种基于分类差异自适应网络故障诊断方法

[发明专利]多阶段分布校正引导的设备故障诊断方法及装置-CN202310035287.0在审
发明人：黄伟国;张骁;王锐;马骏陶;韩时炘;曾冠杰;王俊;丁传仓;廖一;杜贵府 -专利权人：苏州大学
申请日： 2023-01-10 - 公布日： 2023-05-09 - 主分类号： G06F18/24 文献下载
摘要：本发明涉及深度学习技术领域，尤其是指一种多阶段分布校正引导的设备故障诊断方法、装置及计算机存储介质。本发明所述的设备故障诊断方法，将无标记的查询集和有标记的查询集进行幂变换，使其符合高斯分布，并将经过幂变换的多个查询集特征聚类为多个簇并对每个支持集特征进行分配，利用无标记查询集的高斯统计量来校正带有标记的支持集分布，分布修正可以使支持集分布更接近于查询集的真实分布，通过从校正后的分布中采样来增加更多的特征以扩大训练数据集来训练分类器，可以提高模型在小样本场景下的诊断性能，实现在小样本场景下的智能故障诊断，提高了故障诊断的准确性。
阶段分布校正引导设备故障诊断方法装置

[发明专利]基于半监督对抗域泛化智能模型的故障诊断方法-CN202211558882.4在审
发明人：王俊;任贺;石娟娟;丁传仓;朱忠奎 -专利权人：苏州大学
申请日： 2022-12-06 - 公布日： 2023-05-09 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于半监督对抗域泛化智能模型的故障诊断方法。本发明基于半监督对抗域泛化智能模型的故障诊断方法以域对抗神经网络为基础，采用半监督学习的方式，通过提出域模糊策略来消除多源域之间的数据分布差异，学习标记的源域和未标记的源域中与分布无关的表示，提取域不变特征，并且引入度量学习来促进模型学习特征的类内聚集性和类间可分性，提高特征的可判别性，从而极大提高机械故障诊断模型的泛化能力，实现未知工况下的半监督机械健康状态智能识别，识别精度高。
基于监督对抗泛化智能模型故障诊断方法

[发明专利]基于终身学习的齿轮箱增量故障诊断方法及系统-CN202111677774.4有效
发明人：沈长青;陈博戬;孔林;陈良;丁传仓;申永军;庄国龙;张艳华;李林;张爱文;祁玉梅;石娟娟;江星星;黄伟国;朱忠奎 -专利权人：苏州大学
申请日： 2021-12-31 - 公布日： 2023-04-28 - 主分类号： G06F18/2433 文献下载
摘要：本发明公开了一种基于终身学习的齿轮箱增量故障诊断方法及系统，包括以下步骤：S101：采集齿轮箱振动数据构建增量健康状态数据集，划分为不同阶段的故障诊断任务；S102：利用原始ResNet‑32网络学习初始阶段的故障诊断任务，构建初始阶段诊断模型；S103：利用初始阶段诊断模型初始化ResNet‑32双分支聚合网络，并根据新增的故障类型数量增加分类层神经元数量；S104：通过选取的典例和一阶段的故障诊断任务数据共同训练该阶段诊断模型，训练完成后，选取该阶段故障诊断任务数据的典例；S105：在后续增量阶段重复步骤S103‑S104，得到最终故障诊断模型，进行故障诊断。本发明以解决现有基于深度学习和迁移学习的故障诊断模型不能诊断实际的齿轮箱意外故障问题。
基于终身学习齿轮箱增量故障诊断方法系统

[发明专利]一种机械设备传动部件智能故障诊断方法及装置-CN202211575101.2在审
发明人：江星星;杨立冬;王前;石娟娟;杜贵府;王俊;丁传仓;沈长青;黄伟国;朱忠奎 -专利权人：苏州大学
申请日： 2022-12-08 - 公布日： 2023-04-25 - 主分类号： G01M13/028 文献下载
摘要：本发明涉及机械设备智能运维技术领域，尤其是指一种机械设备传动部件智能故障诊断方法及装置。本发明采集不同工况下的振动信号作为训练样本，避免了由于工况改变导致模型性能下降的问题，通过建立自监督预训练网络，充分利用了容易获取的无标签样本训练网络，使网络能够提取更有效的特征，减少对标签样本的依赖；另外，通过基于自注意力机制的编码器模型和解码器模型，提取更全面的全局特征，同时抑制冗余特征，增强有效特征，无需通过预处理对输入数据进行预增强，提高了诊断效率。
一种机械设备传动部件智能故障诊断方法装置

[发明专利]滚动轴承类不平衡故障诊断方法及系统-CN202210074063.6有效
发明人：王俊;许雪梅;丁传仓;沈长青;朱忠奎 -专利权人：苏州大学
申请日： 2022-01-21 - 公布日： 2023-01-06 - 主分类号： G01M13/045 文献下载
摘要：本发明涉及一种滚动轴承类不平衡故障诊断方法，包括对少数类故障样本进行变参数时频分析，对多数类正常样本进行单一参数时频分析，得到类平衡的时频特征数据集；利用时频注意力机制网络模型进行特征增强处理，得到时频特征增强数据集；构建故障诊断模型；利用时频特征增强数据集对构建的故障诊断模型进行训练，得到训练好的故障诊断模型；对未知健康状态的轴承振动信号进行单一参数时频分析，利用故障诊断模型得到轴承的健康状态。扩充的数据样本具有较高的一致性和多样性，无需优化时频分析的参数，能够有效滤除时频特征中的噪声，且大大提高轴承类不平衡故障诊断的准确率。
滚动轴承不平衡故障诊断方法系统

[实用新型]一种轨道车辆齿轮部件的振动测试装置-CN202220752191.7有效
发明人：朱忠奎;沈长青;王培棋;陈博戬;谭陆洋;鞠华;陈良;孔林;丁传仓;江星星;石娟娟;王俊;黄伟国 -专利权人：苏州大学
申请日： 2022-04-02 - 公布日： 2022-08-09 - 主分类号： G01M13/021 文献下载
摘要：一种轨道车辆齿轮部件的振动测试装置，包括板组，其包括底板、与底板垂直固接的竖板、与底板和竖板分别垂直固接的承重轮轴承座以及设置在底板顶部的顶板；承重组件，其转动连接在两承重轮轴承座之间，承重组件设置有两个对称的承重轮；加载组件，其设置在承重组件的上方，加载组件至少包括两个对称的加载轮以及调节杆件，调节杆件与竖板转动连接，加载轮与调节杆件转动连接，加载轮与承重轮传动连接，以及驱动件，其固接在顶板上，驱动件与加载轮组传动连接；其中，调整调节杆件，使得承重轮受到加载轮的载荷可调。采用调节杆件来调节加载轮实施在承重轮上的载荷，齿轮箱的全部重力均由输出轴承受，模拟效果接近实际轨道车辆部件的受力情况。
一种轨道车辆齿轮部件振动测试装置

[发明专利]基于类边界特征检测的轴承故障诊断方法及系统-CN202210138615.5在审
发明人：沈长青;李景德;谭陆洋;陈良;孔林;鞠华;李林;丁传仓;黄伟国;朱忠奎 -专利权人：苏州大学
申请日： 2022-02-15 - 公布日： 2022-06-14 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于类边界特征检测的轴承故障诊断方法及方法，包括以下步骤：采集不同工况下的轴承振动数据，每种工况下采集的数据作为一个可迁移域；搭建包括特征提取器和两个分类器的神经网络模型；输入源域样本训练神经网络模型；将源域样本和辅助域样本均输入神经网络模型，训练分类器以增大两个分类器的分类差异且两个分类器对于源域均具有分类能力；将辅助域输入神经网络模型，训练特征提取器使得其提取的特征能够同时满足两个分类器的分类要求；训练直至神经网络模型收敛，得到故障诊断模型对未知域进行故障诊断。本发明仅使用一个完全标记域，实现对于未知工况下轴承多尺寸、多类型故障的准确诊断。
基于边界特征检测轴承故障诊断方法系统

[发明专利]基于动态指数对抗性自适应的滚动轴承故障诊断方法-CN202111677762.1在审
发明人：沈长青;田静;孔林;陈良;丁传仓;冯毅雄;其他发明人请求不公开姓名 -专利权人：苏州大学
申请日： 2021-12-31 - 公布日： 2022-05-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于动态指数对抗性自适应的滚动轴承故障诊断方法，包括以下步骤：采集不同工况下轴承运行时的振动数据；将源域特征和混合域样本特征作为输入，对抗训练分类器与域鉴别器并对特征提取器进行优化，计算损失；利用损失构建轴承故障诊断模型的目标函数，寻找最佳参数，直至轴承故障诊断模型完成，在训练过程中利用动态指数调节因子缩小源域样本和目标域样本的边缘分布和条件分布差异；将目标域样本输入轴承故障诊断模型，输出轴承故障诊断结果。本发明能够以精确定量地衡量边缘分布和条件分布在整体数据分布中的比重，从而使得模型可以更有针对性的对不同工况下的数据集进行迁移，实现精确地故障诊断。
基于动态指数对抗性自适应滚动轴承故障诊断方法

[发明专利]基于编码器信号瞬变特征的机械设备故障诊断方法-CN201910865515.0有效
发明人：林京;丁传仓;焦金阳;梁凯旋;苗永浩;易迎港 -专利权人：北京航空航天大学;西安交通大学
申请日： 2019-09-12 - 公布日： 2021-11-02 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于编码器信号瞬变特征的机械设备故障诊断方法，首先利用编码器数据采集卡读取机械设备中编码器的输出得到编码器信号y(t)；然后构建基于局部多项式拟合和稀疏的优化问题并建立迭代算法，利用迭代算法提取出时域瞬变特征x(t)；再利用阶次跟踪算法将时域瞬变特征x(t)转换为角度域瞬变特征x(θ)；最后，识别角度域瞬变特征x(θ)的角度间隔T，进而输出故障诊断结果。本发明实现了变转速工况下时域瞬变特征的提取，利用阶次跟踪技术消除转速变化的影响，为准确利用编码器信号在变转速工况下进行机械设备故障诊断提供准确依据，并可以使得机械设备故障诊断自动化，且使得机械设备故障诊断具体为故障类型，确保设备的运行安全。
基于编码器信号特征机械设备故障诊断方法

[发明专利]基于部分迁移卷积网络的机械设备智能故障诊断方法-CN201911155556.7有效
发明人：林京;焦金阳;梁凯旋;丁传仓 -专利权人：北京航空航天大学;西安交通大学
申请日： 2019-11-22 - 公布日： 2021-06-01 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种基于部分迁移卷积网络的机械设备智能故障诊断方法，其采集机械设备在不同运行工况下的运行数据，组成数据集，将数据集X中的部分数据作为源域训练样本集和目标域测试样本集，并对每个样本数据进行数据标准化，然后使用源域训练样本集训练两个结构相同但初始化参数不同的一维卷积神经网络模型并基于目标域测试样本集对训练后的两个卷积神经网络模型进行修正得到卷积神经网络机械设备故障诊断模型，使用故障诊断模型基于实时运行数据对机械设备进行故障诊断输出故障类型。本发明能够有效地在更真实的机械故障诊断中使用，即考虑到目标域的无标签性，使得训练出的诊断模型可以更佳的诊断机械设备的故障。
基于部分迁移卷积网络机械设备智能故障诊断方法

1
2
下一页»
尾页
共 16 条