申请/专利权人：上海交通大学;上海机器人产业技术研究院有限公司

申请日：2022-08-01

公开（公告）日：2022-11-01

公开（公告）号：CN115270882A

主分类号：G06K9/00

分类号：G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06F17/13

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.11.18#实质审查的生效;2022.11.01#公开

摘要：本发明提供一种基于神经常微分方程的轻量化智能故障诊断方法及系统，涉及故障诊断技术领域，包括：利用工业振动传感器采集的时序数据进行旋转机械设备的智能故障诊断，使用多层感知机对传感器数据进行去噪与局部故障特征提取，基于神经常微分方程与门控循环单元网络对时序的局部故障特征进行微分动力学拟合与全局故障特征提取，通过特征解码器输出故障诊断结果。本发明利用对偶灵敏度法进行反向梯度的训练，大大减少模型的参数量和计算量，从而构建更加轻量化的故障诊断模型；通过门控循环单元与神经常微分方程相结合，针对工业振动信号的连续时间特性构建全局特征编码器，更加精细地提取故障的时序信息和动力学特征，提升故障诊断的准确率。

主权项：1.一种基于神经常微分方程的轻量化智能故障诊断方法，其特征在于，包括：传感数据采集及预处理步骤：针对不同故障诊断任务的应用场景，收集振动数据，组成原始数据样本，对于每个原始数据样本进行故障类型标注，以构建训练数据集；局部特征提取模块步骤：根据具体应用场景，将训练数据集的每个原始数据样本按时序划分为若干时间窗口；构建局部特征提取器，将所有时间窗口的局部特征提取串联为一个降维的全局特征序列，以供进一步处理；全局特征提取及故障映射步骤：基于神经常微分方程模型和门控循环单元网络构建提取全局特征编码器，基于多层感知机模型构建故障映射解码器；训练步骤：由前述局部特征提取模块步骤与全局特征提取及故障映射步骤共同构建故障诊断网络，将训练数据集中的样本输入到故障诊断网络中进行前向传播，利用标签数据对该网络进行监督训练，整个网络模型的训练均是端到端的；推断步骤：将训练好的故障诊断模型应用于实际的故障诊断场景；通过传感数据采集及预处理步骤得到的待检测数据，依据相应规则输入到训练好的故障诊断模型中，通过前向传播进行推断，即能够得到故障诊断结果。

全文数据：

权利要求：

百度查询： 上海交通大学;上海机器人产业技术研究院有限公司 基于神经常微分方程的轻量化智能故障诊断方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD