“王诗彬”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41个，建议您升级VIP下载更多相关专利

[发明专利]基于联邦学习和模型剪枝的滚动轴承剩余寿命预测方法-CN202310405004.7在审
发明人：严如强;陈曦;孙文珺;孙闯;王诗彬;陈雪峰 -专利权人：西安交通大学
申请日： 2023-04-14 - 公布日： 2023-07-28 - 主分类号： G06N3/082 文献下载
摘要：公开了一种基于联邦学习和模型剪枝的滚动轴承剩余寿命预测方法，步骤为：采集滚动轴承全寿命周期的振动信号；将获取到的样本进行划分、存储和预处理，得到可作为模型输入的序列数据；构建包含多尺度特征拓展模块、深度特征提取模块以及预测模块的预测模型；在联邦学习框架中，使用中心服务器与多个客户端协同训练预测模型，搭配剪枝策略，让模型结构变得轻量化；利用最终得到的轻量级模型进行滚动轴承剩余使用寿命的预测。本发明通过联邦学习为互不共享的分布式数据搭建预测模型，大大提高了各客户端数据的安全性，配合剪枝操作，有效提高了模型的预测效果及推理速度。
基于联邦学习模型剪枝滚动轴承剩余寿命预测方法

[发明专利]一种基于自适应多尺度增强字典学习框架的轴承故障检测方法、系统、设备及介质-CN202310427561.9在审
发明人：蔡改改;刘泽宇;王诗彬;魏慧勇;胡耀阳 -专利权人：西安电子科技大学
申请日： 2023-04-20 - 公布日： 2023-07-14 - 主分类号： G01M13/045 文献下载
摘要：一种基于自适应多尺度增强字典学习框架的轴承故障检测方法、系统、设备及介质，方法包括：步骤1，采集轴承故障振动信号；步骤2，构建自适应多尺度增强字典学习框架，提取故障脉冲信号；步骤3，基于步骤2中提取的故障脉冲信号通过包络分析识别故障频率及其倍频以确定故障类型；系统、设备及介质用于实现一种基于自适应多尺度增强字典学习框架的轴承故障检测方法；本发明利用多尺度子带筛选削弱复杂和强干扰的影响，设计阈值自适应估计方法来避免手动调参，最后将增强‑运行‑减去的增强策略与字典学习集成到多尺度变换中，构建自适应多尺度增强字典学习模型以提高多尺度字典学习的性能，从而能自适应的对轴承进行可靠的故障监测和诊断。
一种基于自适应尺度增强字典学习框架轴承故障检测方法系统设备介质

[发明专利]基于深度强化学习模型的行星齿轮箱故障诊断方法-CN202011644046.9有效
发明人：严如强;王辉;陈雪峰;孙闯;王诗彬;张兴武 -专利权人：西安交通大学
申请日： 2020-12-31 - 公布日： 2023-01-06 - 主分类号： G06F18/10 文献下载
摘要：公开了基于深度强化学习模型的行星齿轮箱故障诊断方法，方法包括：信号采集，获得行星齿轮箱在不同的健康状况下的振动信号，基于所述振动信号构建训练样本信号及测试样本信号；时频图像生成，同步提取所述训练样本信号及测试样本信号变换为二维时频图像，基于所述二维时频图像构建训练集及测试集；建立深度强化学习模型，基于训练集，智能体与环境进行不断地交互，训练智能体自主学习最优的诊断策略，所述智能体包括至少两个相同结构的深度卷积神经网络；故障识别，将所述测试集中的样本逐个输入训练完成的所述智能体，根据所述诊断策略识别行星齿轮箱故障类型，及分析诊断结果。
基于深度强化学习模型行星齿轮箱故障诊断方法

[发明专利]基于稀疏时域同步平均的旋转机械故障检测方法-CN202211112505.8在审
发明人： 王诗彬;周江寒;陈雪峰;赵志斌;丁宝庆;孙闯 -专利权人：西安交通大学
申请日： 2022-09-13 - 公布日： 2022-12-27 - 主分类号： G01M99/00 文献下载
摘要：公开了一种基于稀疏时域同步平均的旋转机械故障检测方法，基于稀疏时域同步平均的旋转机械故障检测方法中，传感器采集旋转机械的振动信号以及转频或转频脉冲信号，并进行模数转换获得振动信号和转速信息；根据旋转机械中检测部件的类型和数量，基于所述振动信号和转速信息构造部件敏感梳状向量g，涉及的机械旋转部件包括齿轮、转子和轴承；基于部件敏感梳状向量g构造类时域同步平均向量w；利用类时域同步平均向量w构造稀疏时域同步平均模型F；利用优化求解算法对稀疏时域同步平均模型F进行求解得到稀疏频谱和重构时域信号；根据所述稀疏频谱和时域信号构建STSA_CI指标以进行故障诊断。
基于稀疏时域同步平均旋转机械故障检测方法

[发明专利]一种任意噪声下长序列鲁棒增强快速趋势滤波方法-CN202110839564.4有效
发明人：赵志斌;郭艳婕;丁宝庆;王诗彬;陈雪峰 -专利权人：西安交通大学
申请日： 2021-07-23 - 公布日： 2022-12-09 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种任意噪声下长序列鲁棒增强快速趋势滤波方法，首先采用滑窗的办法将信号进行分割，将每段信号分别采用鲁棒增强趋势滤波方法进行提取趋势信号，通过求取在2个窗内重叠部分信号之间距离最小点，即可确定拼接点，分别将2个窗内信号在拼接点处分别截取，即可获得较为平滑的曲线；本发明可以用于提取天气信号、摩擦系数信号、振动信号等随时间变化的一维信号，本方法克服了原有的趋势滤波方法只能提取高斯白噪声分布下的信号趋势，可以提取非高斯白噪声下的趋势信号，并且本方法能够对长序列信号进行提取，极大的提高了长序列信号的提取效率，缩短了提取时间。
一种任意噪声序列增强快速趋势滤波方法

[发明专利]直升机飞行姿态不平衡数据的深度学习识别方法-CN202110101522.0有效
发明人：孙闯;李天福;赵志斌;王诗彬;同超玮;严如强;陈雪峰 -专利权人：西安交通大学
申请日： 2021-01-25 - 公布日： 2022-12-06 - 主分类号： G06K9/62 文献下载
摘要：公开直升机飞行姿态不平衡数据的深度学习识别方法，包括采集直升机飞行姿态数据并归一化处理，对处理后的飞行姿态数据进行样本划分，并将划分的样本按类别不平衡率分为训练集和测试集；构造卷积神经网络获得每个类别数据的预测值，其中卷积神经网络包括卷积层、池化层和全连接层。输入矩阵经过卷积层进行特征抽取，抽取的特征经过非线性激活后输入进池化层进行特征降维和进一步特征提取，将获得的特征输入全连接层以获得每个类别数据的预测值；构造焦聚损失，并将其作为卷积神经网络的损失函数，通过焦聚损失中的权重因子和焦聚因子调整样本的权重。从而使网络能够在样本不均衡的情况下提取到具有价值的信息，提高网络在样本不均衡下的识别精度。
直升机飞行姿态不平衡数据深度学习识别方法

[发明专利]基于多尺度成分分析的机械故障诊断方法-CN202211112504.3在审
发明人： 王诗彬;覃赋华;安波涛;赵志斌;丁宝庆;孙闯;严如强;陈雪峰 -专利权人：西安交通大学
申请日： 2022-09-13 - 公布日： 2022-11-25 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了一种基于多尺度成分分析的机械故障诊断方法，方法包括以下步骤：采集多种故障类型的机械振动信号y；建立多尺度成分分析模型，对信号多尺度特征进行解耦提取，得到各尺度深层稀疏编码γm，L；利用迭代阈值收缩算法求解建立的多尺度成分分析模型，并将优化求解算法展开为多尺度成分分析网络，拼接多尺度编码为将其输入后续的池化层与多层感知机作为分类器hθ，完成故障智能诊断网络的搭建；使用带故障标签的训练样本端到端地训练网络模型，利用反向传播技术学习网络模型参数；将测试信号输入网络中，通过输出预测标签实现故障诊断；对输入信号的重构信号的整体特征和网络学习到的原子特征进行可视化，完成事后可解释性分析。
基于尺度成分分析机械故障诊断方法

[发明专利]基于算法展开对抗学习的机械异常可解释智能检测方法-CN202211114709.5在审
发明人： 王诗彬;安波涛;覃赋华;赵志斌;丁宝庆;孙闯;严如强;陈雪峰 -专利权人：西安交通大学
申请日： 2022-09-13 - 公布日： 2022-11-25 - 主分类号： G06K9/62 文献下载
摘要：公开了一种基于算法展开对抗学习的机械异常可解释智能检测方法，方法中，采集机械设备正常运行的振动信号y，将其按照固定的信号长度裁剪为训练数据集；建立深度稀疏编码模型，对振动信号y进行深度编码，再映射到d维隐编码z；使用近端梯度映射算法求解深度稀疏编码模型，并将优化求解算法展开为稀疏编码网络，从隐编码z到原始信号的重构为解码网络，两者共同构成生成器网络G，构造判别器网络D对隐编码Z的分布进行约束，匹配先验分布p(z)；使用训练数据集训练生成器网络G和判别器网络D，利用反向传播技术更新网络参数，降低网络对振动信号的重构误差及编码分布p(z|y)与先验分布p(z)的差距；将测试信号输入训练好的生成器网络G中，通过判别器网络D输出信号的真伪。
基于算法展开对抗学习机械异常可解释智能检测方法

[发明专利]基于传递迁移的轴承剩余寿命预测方法-CN202011626073.3有效
发明人：严如强;沈飞;陈雪峰;孙闯;王诗彬;张兴武 -专利权人：西安交通大学
申请日： 2020-12-31 - 公布日： 2022-10-28 - 主分类号： G06F30/17 文献下载
摘要：公开了基于传递迁移的轴承剩余寿命预测方法，方法中，联合评估指标评估多维特征单调性和鲁棒性，以筛选几个高质量的特征。最大相关峰度去卷积函数用于计算稳态阶段和失效阶段分界点。领域综合区分指标用于从现有全寿命疲劳退化曲线中选择源领域，从历史疲劳退化曲线中选择中间领域。引入中间域的DI‑SVM算法用于同时减少源领域至中间领域和中间领域至目标领域的迁移误差，并实施剩余寿命预测。本发明不但能提升源领域疲劳退化曲线质量低时的轴承寿命预测性能，并且增强了预测模型的环境适应性和通用性，具有潜在的经济价值。
基于传递迁移轴承剩余寿命预测方法

[发明专利]一种基于半监督对抗网络的轴承故障诊断方法-CN202110588072.2有效
发明人：孙闯;武靖耀;赵志斌;田绍华;王诗彬;严如强;陈雪峰 -专利权人：西安交通大学
申请日： 2021-05-27 - 公布日： 2022-08-09 - 主分类号： G01M13/045 文献下载
摘要：本公开揭示了一种基于半监督对抗网络的轴承故障诊断方法，包括：S100：采集轴承真实故障时的振动信号xf、轴承正常运行时的振动信号xh以及待测轴承振动信号S200：构建由生成器g、特征网络f、故障分类器fc、鉴别器d、辅助分类器ac和诊断网络diag组成的半监督生成对抗网络并进行训练，训练包括如下步骤：S201：对生成器g进行训练，生成故障状态以及正常运行下的伪轴承振动信号S202：以振动信号xf、xh以及伪轴承振动信号对特征网络f、故障分类器fc、鉴别器d和辅助分类器ac进行训练；S203：待步骤S201和步骤S202的训练收敛后，以振动信号xh、xf和伪轴承振动信号对诊断网络diag进行训练；S300：将待测轴承振动信号输入训练后的诊断网络diag进行故障诊断。
一种基于监督对抗网络轴承故障诊断方法

[发明专利]一种基于神经网络注意力机制的轴承故障分类方法-CN202011333834.6有效
发明人：杨志勃;张俊鹏;陈雪峰;赵志斌;田绍华;王诗彬;张兴武;李明;刘一龙;翟智 -专利权人：西安交通大学
申请日： 2020-11-25 - 公布日： 2022-08-05 - 主分类号： G01M13/045 文献下载
摘要：本公开揭示了一种基于神经网络注意力机制的轴承故障分类方法，包括：利用加速度传感器采集轴承的振动加速度时域信号ST，对振动加速度时域信号ST进行包络谱变换，获得频域信号SF，将频域信号SF作为含有注意力机制的神经网络的输入样本；将输入样本SF等分为N个不同片段后输入神经网络，对每个片段进行处理并提取特征值，对特征值进行打分运算和归一化处理，获得与输入样本SF不同片段相对应的注意力权重；建立输入样本SF不同片段与注意力权重之间的联系；利用注意力权重对每个片段的特征值进行加权并求和，获得注意力机制输出值yatt；对所述注意力机制的输出值yatt通过全连接层后进行归一化处理，获得和为1的概率分布，其中，概率最大的所对应的类别即为轴承的故障类型。
一种基于神经网络注意力机制轴承故障分类方法

[发明专利]基于域自适应图卷积网络的航发传动系统故障诊断方法-CN202110588075.6有效
发明人：孙闯;李天福;赵志斌;王诗彬;田绍华;严如强;陈雪峰 -专利权人：西安交通大学
申请日： 2021-05-27 - 公布日： 2022-07-12 - 主分类号： G01M13/028 文献下载
摘要：本公开揭示了一种基于域自适应图卷积网络的航发传动系统故障诊断方法，包括：采集故障未知的航空发动机传动系统在不同转速下的第一振动信号，以该第一振动信号作为无标签的目标域数据；构建域自适应图卷积网络，采集故障已知的航空发动机传动系统在不同转速下的第二振动信号，以该第二振动信号作为有标签的源域数据，以源域数据和部分目标域数据作为输入对域自适应图卷积网络进行训练；将另一部分目标域数据输入训练好的域自适应图卷积网络，获得目标域数据的预测标签，实现不同转速下航空发动机传动系统故障的迁移诊断。
基于自适应图卷网络传动系统故障诊断方法

[发明专利]一种基于改进局部线性嵌入算法的轴承退化特征提取方法-CN201911262788.2有效
发明人：张兴武;白晓博;刘一龙;王诗彬;陈雪峰 -专利权人：西安交通大学
申请日： 2019-12-10 - 公布日： 2022-06-21 - 主分类号： G06K9/62 文献下载
摘要：本公开揭示了一种基于改进局部线性嵌入算法的轴承退化特征提取方法，包括：求取初始邻域参数；调整初始领域参数；调整欧式距离；提取低维度特征。本公开能够自适应地求取轴承高维退化特征中各个样本的初始邻域参数，避免依赖经验设置固定的全局初始邻域参数，根据样本密度和轴承高维退化特征的内在流行曲率的估计情况对样本的初始领域参数作进一步调整，同时根据欧式距离和测地线距离的比值对欧式距离进行更新，将更新后的欧式距离和调整后的样本的初始邻域参数输入局部线性嵌入方法，可以确保轴承低维退化特征提取的准确性和稳定性。
一种基于改进局部线性嵌入算法轴承退化特征提取方法

[发明专利]一种基于多感受野图卷积的齿轮传动系统故障识别方法-CN202110589776.1有效
发明人：孙闯;李天福;赵志斌;王诗彬;田绍华;严如强;陈雪峰 -专利权人：西安交通大学
申请日： 2021-05-27 - 公布日： 2022-05-06 - 主分类号： G01M13/021 文献下载
摘要：本公开揭示了一种基于多感受野图卷积的齿轮传动系统故障识别方法，包括：将所采集的已知故障的齿轮传动系统的振动信号进行样本划分获得训练样本集，将训练样本集构造为第一关联图数据；将所采集的未知故障的齿轮传动系统的振动信号进行样本划分获得待测样本集，将待测样本集构造为第二关联图数据；构建由两层多感受野图卷积层和两层全连接层构成的多感受野图卷积网络，通过第一关联图数据对多感受野图卷积网络进行训练；将第二关联图数据输入训练后的多感受野图卷积网络，实现对未知故障的齿轮传动系统的故障识别。
一种基于感受图卷齿轮传动系统故障识别方法

[发明专利]一种基于传递函数的超声导波信号重构方法-CN202010976496.1有效
发明人：杨志勃;朱明峰;陈雪峰;严如强;张兴武;王诗彬;李明;刘一龙;田绍华 -专利权人：西安交通大学
申请日： 2020-09-16 - 公布日： 2021-11-30 - 主分类号： G01N29/34 文献下载
摘要：本公开揭示了一种基于传递函数的超声导波信号重构方法，包括以下步骤：对超声导波检测系统施加某一阶跃信号ε(t)进行激励，并采集超声导波检测系统在阶跃信号ε(t)的激励下产生的阶跃响应信号r(t)；对所述阶跃响应信号r(t)进行傅里叶变换，获得频域阶跃响应信号R(ω)，并进一步获得用于表示阶跃信号ε(t)和阶跃响应信号r(t)之间传递关系的传递函数H(ω)；施加任意信号S(ω)对超声导波检测系统进行激励，将所述任意信号S(ω)与传递函数H(ω)在频域相乘，获得频域重构响应信号C(ω)，将所述频域重构响应信号C(ω)进行傅里叶反变换，即获得时域重构响应信号c(t)。
一种基于传递函数超声导波信号方法

1
2
3
下一页»
尾页
共 41 条