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：哈尔滨理工大学

摘要：一种基于改进深度子域适应网络的变工况下滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有故障诊断模型对于不同工况分布差异大的振动数据的故障诊断准确率不高的问题。本发明的技术要点包括：对源域和目标域振动数据做短时傅里叶变换得到时频谱图；引入通道注意力机制和首层宽卷积核机制对残差网络进行改进，提取时频谱图中的深层特征；利用局部最大均值差异对源域特征和目标域特征进行子域适应处理，减小源域和目标域各个子域之间的分布差异，实现复杂工况下滚动轴承的故障诊断。本发明可以实现变工况及工况泛化情况下的滚动轴承故障诊断，具有较高的准确率。本发明可广泛应用于滚动轴承故障诊断之中。

主权项：1.一种基于改进深度子域适应网络的变工况下滚动轴承故障诊断方法，其特征在于，包括以下步骤：步骤一、采集一种工况下已知故障信息的滚动轴承振动信号样本构建源域数据样本集，采集其他工况下未知故障信息的滚动轴承振动信号样本构建目标域数据样本集，其中，目标域数据样本集包括训练样本集和测试样本集；步骤二、对源域数据样本集和目标域数据样本集中的滚动轴承振动信号分别做短时傅里叶变换，将一维时域信号转换为二维时频图像，获得源域图像样本集和目标域图像样本集；步骤三、构建改进残差网络，引入注意力机制动态分配各通道间的资源，提取源域图像样本集和目标域图像样本集的深层特征，获得无标签目标域样本的软标签；所述改进残差网络是对现有残差网络进行改进，改进之处在于：第一、将残差网络首个卷积层的卷积核尺寸从7×7修改为15×15；第二、对残差网络模型ResNet-50中的残差模块进行下述改进：每个通道分别对输入的特征进行1×1和3×3的卷积操作，初步提取特征；将各个通道的特征通过全局池化层进行压缩降维，得到代表该通道上下文信息的全局特征；将得到的全局特征输入到两个全连接层中进行处理，对各个通道之间的相关性进行建模；两个全连接层之间利用ReLU激活函数提高非线性；经过Softmax层对得到的通道权重归一化；最后利用归一化后的权重对原始的通道特征进行加权作为输出，获得特征图像；步骤四、利用源域和目标域深层特征、源域真实标签以及目标域软标签，计算源域和目标域之间的局部最大均值差异，作为域适应损失项，度量源域和目标域各个子域之间的分布差异；步骤五、将域适应损失项与改进残差网络的交叉熵损失项共同作为目标函数进行优化，经过指定迭代次数的训练，获得变工况下滚动轴承的故障诊断模型；步骤六、将目标域测试样本集输入训练好的故障诊断模型，将对测试样本的故障诊断结果与其真实标签作对比，获得故障诊断模型对于滚动轴承故障诊断的准确率，以此衡量故障诊断模型的性能。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于改进深度子域适应网络的变工况下滚动轴承故障诊断方法及系统