申请/专利权人：烟台哈尔滨工程大学研究院

申请日：2024-02-20

公开（公告）日：2024-03-22

公开（公告）号：CN117743947A

主分类号：G06F18/241

分类号：G06F18/241;B63B79/10;G01H17/00;G06F18/213;G06F18/214;G06N3/045;G06N3/0475;G06N3/0464;G06N3/094;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及故障诊断技术领域，具体涉及一种小样本下的智能机舱故障诊断方法及介质，包括以下步骤：步骤1：通过安装在机舱指定设备上的振动传感器进行数据采集，获取所述指定设备正常状态下和不同故障状态下的振动信号；步骤2：通过小样本数据判断器判断振动信号是否为小样本数据；使用峭度原理对原始振动信号进行特征对齐，提高模型生成质量与诊断精度。将一维振动信号转换为二维灰度图，能够提取到更高维特征，更有利于模型收敛与最终诊断精度。使用非同步更新算法对C‑CGAN模型进行改进，增强模型的稳定性，使得模型能够更好地进入纳什平衡。使用Ghost模型取代C‑CGAN中的CNN模型，能够更好地提取本征特征，减少模型陷入梯度消失的风险。

主权项：1.一种小样本下的智能机舱故障诊断方法，其特征在于，包括以下步骤：步骤1：通过安装在机舱指定设备上的振动传感器进行数据采集，获取所述指定设备正常状态下和不同故障状态下的振动信号；步骤2：通过小样本数据判断器判断振动信号是否为小样本数据；步骤3：对小样本下的振动信号进行峭度分析，根据振动发生剧烈变化时的振动信号进行特征对齐；步骤4：将振动信号进行灰度图处理，得到振动信号对应的灰度图；步骤5：将步骤4获得灰度图输入到AUC-CGAN模型中进行训练，直至模型收敛；步骤6：使用步骤5中训练完成AUC-CGAN模型中的生成器G进行样本生成；步骤7：通过所述生成器G生成样本，并与原始样本混合输入到CNN诊断模型进行训练，直至CNN诊断模型收敛；步骤8：使用步骤7获得训练好的CNN诊断模型对测试样本进行故障诊断，输出诊断结果。

全文数据：

权利要求：

百度查询： 烟台哈尔滨工程大学研究院 一种小样本下的智能机舱故障诊断方法及介质

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