CN115563565B 一种基于增量学习的电机轴承故障诊断方法及装置 （长沙理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115563565B(45)授权公告日2025.07.01

(21)申请号202211110097.2

(22)申请日2022.09.13

(65)同一申请的已公布的文献号申请公布号CN115563565A

(43)申请公布日2023.01.03

(73)专利权人长沙理工大学

地址410114湖南省长沙市天心区万家丽

南路二段960号

(72)发明人孙梅迪肖鑫淼刘平龙卓何哲文何青

(74)专利代理机构湖南兆弘专利事务所(普通

合伙)43008专利代理师邹大坚胡君

GO6F18/2415(2023.01)

GO6F18/214(2023.01)

GO6F18/15(2023.01)

GO6N3/084(2023.01)

GO6N3/0455(2023.01)

GO6N3/092(2023.01)

GO6N3/047(2023.01)

G01M13/045(2019.01)

(56)对比文件

CN114895656A,2022.08.12

刘星等.自适应在线增量ELM的故障诊断模型研究.系统工程与电子技术.2021,第43卷(第9期),2678-2687.

审查员李颖

(51)Int.CI.

GO6F18/2433(2023.01)权利要求书3页说明书8页附图2页

(54)发明名称

一种基于增量学习的电机轴承故障诊断方法及装置

(57)摘要

CN115563565B本发明公开一种基于增量学习的电机轴承故障诊断方法及装置，该方法步骤包括：在模型训练阶段，分别采集不同类型电机轴承在不同状态下的运行数据、域数据构成训练样本集，进行故障诊断模型训练，并筛选出代表性样本；在增量学习阶段，当有新增样本输入时，判断是否属于新增类别或者新增域，根据判断结果修正新增样本的权重，以训练得到的网络参数为初始条件，将代表性样本、新增样本以及修正后的权重输入至故障诊断模型中以进行模型微调，其中修正后的权重用于计算模型微调过程中的损失函数；在故障诊断阶段，将待诊断数据输入至最终得到的故障诊断模型中进行诊断。本发明具有实现方法简单、成本低、诊断精度以及效率高且应

CN115563565B

在模型训练阶段，分别采集不同类

在模型训练阶段，分别采集不同类

型电机轴承在不同状态下的运行数

据、域数据构成训练样本集，基于

深度学习网络进行故障诊断模型训

练，并筛选出代表性样本

在增量学习阶段，当有新增电机轴承数据样本输入时，判断是否属于新增类别或新增域，根据判断结果

以及代表性样本与新增样本之间的数量关系修正样本的权重，得到修正后权重，以训练得到的模型网络参数为初始条件，将代表性样本、

新增样本以及修正后的权重输入至故障诊断模型中进行模型微调

在故障诊断阶段，将待诊断数据输

入至经过增量学习阶段后最终得到

的故障诊断模型中进行诊断，输出

诊断结果

CN115563565B权利要求书1/3页

2

1.一种基于增量学习的电机轴承故障诊断方法，其特征在于，步骤包括：

在模型训练阶段，分别采集不同类型电机轴承在不同状态下的运行数据以及不同类型电机轴承在不同状态下的域数据构成训练样本集，基于深度学习网络使用所述训练样本集进行故障诊断模型训练，并筛选出当前故障诊断模型下的代表性样本，输出筛选出的代表性样本以及训练得到的模型网络参数；

在增量学习阶段，当有新增电机轴承数据样本输入时，判断新增样本是否属于新增的故障类别或者新增的域数据，根据判断结果以及代表性样本与新增样本之间的数量关系修正样本的权重，得到修正后权重，以所述训练得到的模型网络参数为初始条件，将代表性样本、新增样本以及所述修正后的权重输入至训练得到的故障诊断模型中以进行模型微调，其中所述修正后权重用于计