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：常熟理工学院

摘要：本发明公开了一种基于迁移学习和对偶学习的轴承故障诊断方法及系统，通过获取多工况条件下的轴承全寿命振动信号，并搭建具有生成对抗形式的弱监督领域自适应网络框架，采用迁移课程学习和对偶学习的策略训练得到训练后的无监督领域自适应网络，采集现场测试数据并导入训练完成的弱监督领域自适应网络以获得对准确的故障诊断；采用迁移学习能力高效地选择和学习源域和目标域中的信息，采用对偶学习能力提高模型在高噪声和标签损坏场景下的鲁棒性和准确性。

主权项：1.一种基于迁移学习和对偶学习的轴承故障诊断方法，其特征在于，所述方法包括：步骤S1、获取多工况条件下的轴承全寿命振动信号，去噪处理后构建多工况全寿命数据集；步骤S2、确定网络超参数，并搭建具有生成对抗形式的弱监督领域自适应网络框架fθ；其中，特征提取器获取输入xi的特征hi＝Gfxi；类别分类器获得输入xi的预测类别标签域分类器获得输入xi的预测域标签步骤S3、采用迁移课程学习和对偶学习的策略训练无监督领域自适应网络fθ直至收敛，其包括采用迁移课程学习的预备步以及基于对偶学习策略的若干个互为对偶的反向步和正向步；在预备步之后经过两个方向，即反向布和正向步的循环，网络误差下降到预期范围，得到训练后的无监督领域自适应网络；步骤S31、采用迁移课程策略的预备步训练fθ得到预训练后的模型fθ0,*；步骤S32、根据预备步后得到的预训练模型fθ0,*获得目标域样本伪标签，构建伪标签目标域数据集以步骤S31为原任务网络fθ构建基于对偶学习策略的对偶任务网络f′θ′，其以相反的迁移方向实现从伪标签目标域数据集至去标签源域数据集训练；步骤S33、根据对偶任务及构造的伪标签目标域数据集和去标签源域数据集，进行反向步的模型再训练以获得对偶任务训练模型f′θ′；步骤S34、根据原任务及源域和目标域数据集，进行正向步的模型再训练；根据正向步后的模型再次计算目标域样本的伪标签并更新伪标签目标域数据集；步骤S35、重复步骤S33和步骤S34的反向步和正向步，直至模型充分收敛并具有充分的鲁棒性和泛化性；步骤S4、采集现场测试数据并导入训练完成的弱监督领域自适应网络以获得对准确的故障诊断。

全文数据：

权利要求：

百度查询： 常熟理工学院 基于迁移学习和对偶学习的轴承故障诊断方法及系统