本发明公开了一种补标记约束下的工业设备故障诊断方法及系统，属于工业智能运维与故障预测健康管理技术领域。方法包括：采集设备振动信号并预处理；构建一个基于一维残差的双头深度网络作为补标记学习模型；利用基于最大似然估计的补标记生成联合概率化损失函数，使模型从“否定性”标签中学习故障特征；利用训练好的模型实现高精度故障分类。本发明将弱监督学习中的补标记学习范式应用于工业设备故障诊断，在CWRU、MFPT等多个标准轴承数据集上取得了超过90%的诊断准确率，该方法显著降低了数据标注门槛，有效解决了工业场景中故障样本稀缺、标注困难的痛点，具有重要的实际应用价值。
📄 2026101489107
📂 G06F18_2415
👤 南京信息工程大学
📅 2026-02-03
本发明公开了一种基于时频功率谱重构的水下推进器故障诊断方法，获取水下机器人动态信号的时间序列；计算时间序列的时频功率谱；针对瞬时频谱构造概率密度函数；计算瞬时香农熵，并构成瞬时香农熵曲线；确定瞬时香农熵曲线中最小值所在位置；然后对时频功率谱进行重构；以重构时频功率谱作为输入，通过故障诊断模型进行故障等级分类，得到推进器故障程度，所述故障诊断模型通过水下推进器故障试验建立。通过重构的推进器动态信号的时频功率谱，减少故障信息在监测信号序列中的位置发生改变的影响，有效减少了迭代次数，提高了推进器故障程度辨识分类准确率。
📄 2023103614216
📂 G06F18_241
👤 江苏科技大学
📅 2023-04-06
本发明公开了一种基于时域序列特征重构的水下推进器故障诊断方法，首先获取水下机器人动态信号的时域序列；然后进行小波包分解得到特征信号；根据特征信号确定最大故障特征值的位置；然后时域序列进行重构：如果最大故障特征值的位置位于时域序列的后半部分，则截取时域序列前半部分中部分序列置于时域序列的后端；如果最大故障特征值的位置位于时域序列的前半部分，则截取时域序列后半部分中部分序列置于时域序列的前端；以重构的时域序列作为故障样本，通过故障诊断模型进行故障程度诊断。通过重构的推进器动态信号的时域序列，减少故障信息在监测信号序列中的位置发生改变的影响，有效提高了推进器故障程度辨识的收敛速度和分类准确率。
📄 2023103614930
📂 G06F18_241
👤 江苏科技大学
📅 2023-04-06
本发明涉及远程故障诊断技术领域，具体为一种基于云平台的风电机组远程故障诊断方法及系统，包括以下步骤：基于风电机组的设计参数和实时运行数据，采用数据融合技术，通过对来自传感器、操作日志和历史维护记录的数据进行格式化处理、去除噪声和缺失值处理，生成综合数据集。本发明中，通过整合不同来源数据的数据融合技术，图神经网络算法可理解组件间互动，长短期记忆网络有助于识别和预测组件性能变化趋势，从而强化故障点预测能力，孤立森林算法在识别异常模式上表现卓越，提高了异常检测精确度，贝叶斯网络在故障原因概率推断上提供新视角，而遗传算法在系统参数优化方面显示出优异性能，使诊断过程更加精准高效。
📄 2024101072814
📂 G05B23_02
👤 南京工业职业技术大学
📅 2024-01-25
本申请提出一种融合CNN与图注意力网络的旋转设备故障诊断方法。多传感器分别捕捉电机、轴承、齿轮箱、联轴器和旋转负载各部位的关键运行信号，通过GRU网络输入至多通道注意力模块后输出特征序列，将特征序列拼接成二维特征矩阵输入至CNN与混合注意力机制模块，得到各部位故障特征；将故障特征按照时间序列分窗并依据重要性动态加权后重组；以不同部位重组特征作为节点、节点间的显著交互关系作为边，构建全局故障诊断图；通过图注意力网络学习各节点间的交互信息并聚合，得到全局故障特征；构造图网络联合优化损失函数，分析并优化模型参数。本模型通过多阶段融合的方式，全面挖掘故障信息，极大提升了故障诊断的准确性。
📄 2025110992514
📂 G06F18_213
👤 湖南师范大学
📅 2025-08-06
本发明涉及油气勘探与开发技术领域，具体地涉及一种基于改进自适应激活函数的深度学习抽油机故障诊断方法，设计的激活函数将可学习参数与注意机制相结合，通过链式求导更新可学习参数，形成全局最优搜索；注意机制提高了输入特征的学习能力，形成了局部最优搜索；将局部最优搜索与全局最优搜索相结合，改善了激活函数的非线性，解决了传统激活函数的缺陷；本发明激活函数更加灵活多变，具有较好的泛化性能和搜索能力，提高了故障诊断的准确性。
📄 2022114360632
📂 G06F18_241
👤 齐鲁工业大学(山东省科学院),东北石油大学
📅 2022-11-16
本发明提供了一种基于改进PSO‑BP神经网络的齿轮箱故障诊断方法及装置，故障诊断方法具体包括以下步骤：(1)采集齿轮箱正常状态的振动信号以及不同故障状态下的振动信号；(2)对数据样本进行打标签；(3)通过归一化方法对数据进行归一化处理；(4)采用主成分分析法对数据进行降维处理；(5)采用改进后的PSO算法优化BP神经网络权值和阈值，基于优化后的BP神经网络建立齿轮箱故障诊断模型；(6)利用所述优化后的BP神经网络故障诊断模型进行训练，得到最终的基于改进PSO‑BP神经网络故障诊断模型。本发明提供的故障诊断方法及装置有效的提高了齿轮箱故障诊断的准确率，对于提高安全生产效率、降低经济损失，具有重要的实际工程意义。
📄 2021104728516
📂 G01M13_021
👤 东北电力大学
📅 2021-04-29
本公开涉及电变量测量技术领域，具体涉及一种基于电参数的智能电网线路短路故障诊断方法。所述方法包括：获取所述电网线路上的电参数数据；根据所述电参数数据，获取所述电网线路的短路故障分析时间窗；在所述短路故障分析时间窗内对所述电网线路进行短路故障诊断。本公开实施例能够根据短路诊断误判系数调整电网线路的短路故障分析时间窗的目标时长，从而减少因大型设备启动时短时间电流突增导致的短路故障误判，提高对电网线路短路故障诊断的准确性和可靠性。
📄 2025110937841
📂 G01R31_08
👤 南通原力云信息技术有限公司
📅 2025-08-06
本发明属于物理数据测量领域，提供了一种基于声信号的滚动轴承故障诊断方法、系统及设备，可根据滚动轴承的声信号计算信号混叠矩阵，通过在信号混叠矩阵中设定多个虚拟个体并令所述多个虚拟个体进行混动，以获取信号混叠矩阵的混动矩阵并对其进行逆变换，作为估计源信号；对估计源信号进行分离处理出源信号分离矩阵，对源信号分离矩阵获取各阶模态分量并从中筛选出模态滤分量；对模态滤分量进行信号重构后，再提取其频域特征，以用于滚动轴承的故障诊断，显著提升了信号分离的精度和稳定性，为滚动轴承的故障诊断提供了更可靠的技术支持。
📄 2024116584001
📂 G06F18_20
👤 广东海洋大学
📅 2024-11-20
本发明公开了一种基于DS证据理论的滚动轴承故障诊断方法，首先导入滚动轴承的生命周期振动信号；采用经验模态分解EMD方法将振动信号分解为多个固有模态函数IMF分量，计算各IMF分量的样本熵；利用随机森林模型将IMF分量的样本熵作为特征向量进行训练得到基本概率分配BPA，使用三个诊断单元得到3组证据体；计算各个证据体间的距离，由距离大小确定证据间的支持度矩阵，将证据支持度矩阵中最大特征值对应的特征向量作为证据的权重向量，确定各证据的相对折扣因子来对证据进行修正，利用DS融合规则计算融合后的BPA，最终得到故障的分类结果。本发明解决了现有技术中存在的对于滚动轴承故障诊断方法准确率低的问题。
📄 2022104652460
📂 G06F18_2431
👤 西安理工大学
📅 2022-04-29
本发明公开了一种基于混合卷积的多源域轴承故障诊断方法，涉及轴承故障诊断技术领域。所述方法采集不同工况原始轴承故障信号，将数据分配给源域和目标域，多个源域数据加标签；将多个源域、目标域按照设置要求无重叠的形式分割信号，信号样本经过FFT变换后得到多个源域和目标域的频域信号；构建一维的基于混合卷积的多源域滚动轴承故障诊断模型，并初始化故障诊断模型参数；将两个源域和目标域中样本随机打乱，输入故障网络模型进行训练，获取对应的健康状态分类；最小化源域和目标域之间的域适应损失、分类损失以及分类器差异损失；采用Adam算法对网络参数进行更新。所述方法能够提高在目标域的分类性能，且故障诊断精度更高。
📄 202311301059X
📂 G06F18_2415
👤 石家庄铁道大学
📅 2023-10-09
本发明公开了一种基于SMDER的滚动轴承故障诊断方法及系统,所述方法包括如下步骤:将轴承振动信号通过连续小波变换,得到原始信号的时频域特征,然后将时频域特征输入到共享模块进行处理;将共享模块提取到的特征输入到超特征提取器进行特征提取后使用分类器进行分类处理,实现增量学习条件下的轴承故障诊断。所述方法能够使网络模型学习新数据后,同时对新旧数据都有较好的识别效果。
📄 2023105941509
📂 G01M13_045
👤 石家庄铁道大学
📅 2023-05-24
柿子坊 · 知识产权运营
柿子坊知识产权运营平台