龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：苏州大学
申请日：2023-05-08
公开（公告）日：2024-06-21
公开（公告）号：CN116756483B
主分类号：G06F18/00
分类号：G06F18/00;G06F18/10;G06F18/25;G06N3/0464;G06N3/047;G06N3/048;G06N3/08;G06F123/02
优先权：
专利状态码：有效-授权
法律状态：2024.06.21#授权;2023.10.03#实质审查的生效;2023.09.15#公开
摘要：本发明涉及一种目标工况数据不可用下的机械故障诊断方法，包括将采集的机械振动时域信号进行截取，统一样本长度并进行幅值归一化，得到数据集，并划分为多源域数据集与目标域数据集；构建域间不变表示学习网络分支，提取域间不变特征；构建域内不变表示学习网络分支，提取域内不变特征；构建融合分类器，融合域间不变特征与域内不变特征后，预测其故障类别标签；构建包括域间不变表示学习网络分支、域内不变表示学习网络分支与融合分类器的故障诊断训练模型；输入多源域数据集中的样本，利用相互学策略、特征差异最大化策略、损失函数与优化算法进行模型训练，获取训练好的故障诊断训练模型；输入目标域数据集中的样本，获取样本的故障类别。
主权项：1.一种目标工况数据不可用下的机械故障诊断方法，其特征在于，包括：S1、将采集的机械振动时域信号进行截取，统一样本长度并进行幅值归一化，得到数据集；将数据集划分为多源域数据集与目标域数据集；S2、基于第一特征提取器、第一辅助分类器与辅助判别器，构建域间不变表示学习网络分支，用于提取输入样本的域间不变特征；S3、基于快速傅里叶变换模块、第二特征提取器与第二辅助分类器，构建域内不变表示学习网络分支，用于提取输入样本的域内不变特征；S4、基于全连接层与Softmax分类器构建融合分类器，用于融合所述域间不变特征与所述域内不变特征，并预测融合后特征的故障类别标签；S5、构建包括所述域间不变表示学习网络分支、所述域内不变表示学习网络分支与所述融合分类器的故障诊断训练模型；S6、将所述多源域数据集中的样本，输入所述故障诊断训练模型中，利用相互学习策略、特征差异最大化策略、损失函数与优化算法进行模型训练，获取训练好的故障诊断训练模型；S7、将所述目标域数据集中的样本，输入训练好的故障诊断训练模型中，获取样本的故障类别。
全文数据：
权利要求：
百度查询： 苏州大学 目标工况数据不可用下的机械故障诊断方法、装置及设备
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