大連理工大學費中陽獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網獲悉大連理工大學申請的專利一種基于聚類增強域泛化的航空發動機軸承故障診斷方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN120217269B 。
龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202510695346.6,技術領域涉及:G06F18/2433;該發明授權一種基于聚類增強域泛化的航空發動機軸承故障診斷方法是由費中陽;單藝軒;丁培軒;孫希明;楊喜連設計研發完成,并于2025-05-28向國家知識產權局提交的專利申請。
本一種基于聚類增強域泛化的航空發動機軸承故障診斷方法在說明書摘要公布了:本發明屬于智能故障診斷技術領域,公開了一種基于聚類增強域泛化的航空發動機軸承故障診斷方法。首先通過快速傅里葉變換將時域振動信號轉換為頻域表征,構建包含域對齊編碼器和分類編碼器的雙級卷積神經網絡架構,利用域判別器實現對抗訓練下的跨工況特征對齊;引入多源域最大均值差異統計對齊策略和聚類增強的三元組損失機制,通過偽標簽聚類中心錨定與動態間隔約束,同步優化類內特征緊湊性和類間可分性;結合梯度反轉對抗訓練與多模態特征融合。本發明的方法能夠有效提高航空發動機軸承故障診斷在缺乏目標域數據時泛化判斷的準確性和魯棒性。
本發明授權一種基于聚類增強域泛化的航空發動機軸承故障診斷方法在權利要求書中公布了:1.一種基于聚類增強域泛化的航空發動機軸承故障診斷方法,其特征在于,包括以下步驟: 步驟1,振動信號數據處理; 步驟2,故障診斷模型聚類增強域泛化網絡構建; 構建的故障診斷模型聚類增強域泛化網絡由兩個級聯的特征編碼器、分類器和域判別器組成; 步驟2.1,構建特征編碼器; 特征編碼器由前后銜接的兩部分構成,分別是域對齊編碼器和分類編碼器;域對齊編碼器提取頻域信號樣本的跨工況的域對齊特征,并借助MMD方法和域判別器實現不同域之間的分布對齊;分類編碼器在域對齊特征的基礎上,進一步提取域對齊特征的高層次抽象的分類特征,直接用于分類器實現故障狀態的精準分類; 步驟2.2,構建分類器和域判別器; 分類器依據分類編碼器所提取的分類特征對頻域信號樣本執行分類預測: 4; 其中,表示類別屬于的概率,表示分類特征所對應的頻域信號樣本的類別預測值,表示分類特征所對應的頻域信號樣本屬于第個類別的logit值,根據類別預測值計算交叉熵損失獲得分類損失; 域判別器基于全連接網絡,判斷輸入域對齊特征所對應的頻域信號樣本來自的源域; 5; 其中,表示源域屬于的概率,表示頻域信號樣本的領域預測值,表示域對齊特征所對應的頻域信號樣本屬于第個源域的logit值,根據領域預測值計算交叉熵損失獲得域分類損失; 在域判別器之前設置梯度反轉層,梯度反轉層在前向傳播時作為恒等映射存在,而在反向傳播時反轉梯度方向,從而通過對抗訓練促使特征提取器學習到具有域不變性的域對齊特征表示,實現各源域域對齊特征分布的隱式對齊; 步驟2.3,構建多源域特征對齊; 特征編碼器輸出域對齊特征后,將不同源域中的頻域信號樣本按所屬源域進行分組,并計算其域對齊特征之間的最大均值差異MMD;最終將所有源域之間的MMD加和作為多源域混淆損失; 6; 其中,代表MMD計算;代表本批次數據中,包含不同源域的個數;、表示來自不同的兩個的源域的域對齊特征集合; 步驟2.4,構建聚類增強的三元組損失; 在故障診斷過程中,為增強類內緊湊性與類間可分性,故障診斷模型聚類增強域泛化網絡采用聚類增強的三元組損失;首先,利用聚類算法對分類特征進行聚類,對聚類過后的頻域信號樣本分類特征生成相應偽標簽,將該聚類中頻域信號樣本真實標簽占比最多的標簽作為同一聚類共享相同偽標簽,以此初步反映分類特征的聚類結構和潛在類別信息,即: 7; 其中,為聚類的生成共享偽標簽,是所有可能的真實標簽集,新生成的聚類樣本為,表示第個聚類中的第個聚類樣本的分類特征,表示第個聚類的偽標簽; 篩選偽標簽與真實標簽一致的聚類樣本的分類特征,即,以這些高置信樣本的分類特征的聚類中心作為錨點,表示第個聚類中高置信樣本的個數,構造三元組損失; 8; 其中,,,表示所屬聚類的第個高置信樣本的分類特征,是一個超參數,用于控制正負樣本之間的最小間隔; 最終,聚類增強的三元組損失表示為: 9; 其中,表示高置信樣本的數量; 步驟2.5,構建總損失函數; 對分類損失、域分類損失、多源域混淆損失和聚類增強的三元組損失進行加權求和,得到最終的綜合損失函數: 10; 其中、、表示權重參數,通過Adam優化器對模型參數進行更新。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人大連理工大學,其通訊地址為:116000 遼寧省大連市甘井子區凌工路2號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。