← 返回列表
基于增量学习的设备故障诊断方法及模型的构建方法
申请人信息
- 申请人:山东能源数智云科技有限公司
- 申请人地址:250000 山东省济南市自由贸易试验区中国(山东)济南片区经十路汉峪金谷A1-4-601
- 发明人: 山东能源数智云科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于增量学习的设备故障诊断方法及模型的构建方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311725756.8 |
| 申请日 | 2023/12/15 |
| 公告号 | CN117407797A |
| 公开日 | 2024/1/16 |
| IPC主分类号 | G06F18/2415 |
| 权利人 | 山东能源数智云科技有限公司 |
| 发明人 | 马兵; 尹旭; 徐瑞涛; 曹梅; 续敏; 王玉石; 张博文 |
| 地址 | 山东省济南市自由贸易试验区中国(山东)济南片区经十路汉峪金谷A1-4-601 |
摘要文本
本发明提供一种基于增量学习的设备故障诊断方法及模型的构建方法，涉及数据处理技术领域，包括：获取震动信号数据，将其输入至预先设置的增量学习框架中，并将满足预设融合条件的震动信号数据与增量学习框架中的训练数据集进行融合，构建增量学习样本集；通过增量学习样本集对增量学习框架包括的初始诊断模型进行更新训练，构建设备故障诊断模型。本发明能够使模型学习解决新任务，同时保留之前任务中学习到的知识，能够从实时数据中整合提高分类能力。其中，初始诊断模型基于量子谐振优化的神经网络模型和基于切比雪夫优化的极限学习机算法构建，能够提高分类精度和分类速度；且，可以避免神经网络在参数寻优时陷入局部最优解的现象。
专利主权项内容
1.一种基于增量学习的设备故障诊断模型的构建方法，其特征在于，所述方法包括：获取预先采集的震动信号数据；所述震动信号数据为对预设刮板输送机的轴承零部件进行采集的数据；将所述震动信号数据输入至预先设置的增量学习框架中，并将满足预设融合条件的所述震动信号数据与所述增量学习框架中的训练数据集进行融合，构建增量学习样本集；通过所述增量学习样本集对所述增量学习框架包括的初始诊断模型进行更新训练；其中，所述初始诊断模型通过所述训练数据集训练，且，基于量子谐振优化的神经网络模型和基于切比雪夫优化的极限学习机算法构建；基于更新训练的初始诊断模型构建设备故障诊断模型。 （来 自 马 克 数 据 网）