申请/专利权人:上海交通大学
申请日:2023-09-27
公开(公告)日:2024-01-05
公开(公告)号:CN117347053A
主分类号:G01M13/045
分类号:G01M13/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.23#实质审查的生效;2024.01.05#公开
摘要:本发明提供了一种稀缺样本下的隧道掘进机主轴承故障诊断方法及系统,包括步骤S1:获取集成传感滚子状态数据并进行小波散射变换,将变换得到的振动信号使用卷积神经网络提取特征点;步骤S2:将得到的特征点作为特征编码器的输出,根据半监督原型网络学习方法在特征空间中诊断生成网络原型;步骤S3:基于半监督训练策略,使用未标记的样本特征修正原型,得到隧道掘进机主轴承故障诊断网络,通过诊断网络对隧道掘进机主轴承进行故障诊断。本发明提供的方法及系统克服了由低转速、重载荷、高噪声工况下带来的限制,解决了样本匮乏情况下隧道掘进机主轴承的故障诊断难题,大大提高了隧道掘进机主轴承诊断的精确度。
主权项:1.一种稀缺样本下的隧道掘进机主轴承故障诊断方法,其特征在于,包括:步骤S1:获取集成传感滚子状态数据并进行小波散射变换,将变换得到的振动信号使用卷积神经网络提取特征点;步骤S2:将得到的特征点作为特征编码器的输出,根据半监督原型网络学习方法在特征空间中生成诊断网络原型;步骤S3:基于半监督训练策略,使用未标记的样本特征修正原型,得到隧道掘进机主轴承故障诊断网络,通过诊断网络对隧道掘进机主轴承进行故障诊断。
全文数据:
权利要求:
百度查询: 上海交通大学 稀缺样本下的隧道掘进机主轴承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。