← 返回列表

一种小样本下的智能机舱故障诊断方法及介质

申请号: CN202410185643.1
申请人: 烟台哈尔滨工程大学研究院
申请日期: 2024/2/20

摘要文本

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。。搜索马 克 数 据 网

专利详细信息

项目 内容
专利名称 一种小样本下的智能机舱故障诊断方法及介质
专利类型 发明申请
申请号 CN202410185643.1
申请日 2024/2/20
公告号 CN117743947A
公开日 2024/3/22
IPC主分类号 G06F18/241
权利人 烟台哈尔滨工程大学研究院
发明人 柯赟; 王天怿; 宋恩哲
地址 山东省烟台市经济技术开发区青岛大街1号

专利主权项内容

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。