龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江大学
摘要：本发明公开了一种数据稀缺下基于特征激励型样本扩增的零件故障诊断方法。针对机电产品零部件故障诊断模型故障样本稀缺导致的模型易过拟合且泛化性能差问题，构建特征激励型故障样本生成式对抗网络实现故障样本扩增，在生成器中利用跳层特征激励模块融入经特征敏感度和冗余度评价准则筛选后的先验特征，并利用跳层特征激励模块融合跨层特征图，充分提取不同层级深层特征，更好地指导故障样本的生成。基于对比学习的特征预提取器与判别器级联，将具有更明显类别边界属性的预学习特征输入判别器，提升训练速度。使用生成器生成的故障样本扩充训练集，提升模型的分类精度和泛化性能，实现稀缺故障数据条件下对机电产品零部件稳健、精准的故障诊断。
主权项：1.一种数据稀缺下基于特征激励型样本扩增的零件故障诊断方法，其特征在于，包括以下步骤：S1：采集机电产品关键零件的振动监测信号，进而构建原始振动样本数据集；S2：利用先验特征提取模块对原始振动样本数据集进行特征提取和筛选后，获得特征筛选后的先验特征子集；S3：利用原始振动样本数据集和特征筛选后的先验特征子集对特征激励型故障样本扩增模块进行训练后，获得训练好的特征激励型故障样本扩增模块，从而获得训练好的生成器；S4：将每个故障类型的原始振动样本输入到训练好的生成器中，获得故障类型下的扩增振动样本，由原始振动样本和对应的扩增振动样本组成最终的振动样本数据集；S5：利用最终的振动样本数据集对故障诊断模型进行训练后，获得训练好的故障诊断模型；将待检测的振动样本输入到训练好的故障诊断模型中，输出获得对应的故障诊断结果。
全文数据：
权利要求：
百度查询： 浙江大学 数据稀缺下基于特征激励型样本扩增的零件故障诊断方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号