首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种滚动轴承故障跨设备深度域自适应迁移诊断方法 

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:浙江大学

摘要:本发明公开一种滚动轴承故障跨设备深度域自适应迁移诊断方法,采用基于协同域对齐和局部收缩层的深度域自适应迁移诊断网络模型,将自适应重尺度化后的有标签源域数据集和无标签目标域数据集联合作为训练数据,使用改进的自适应学习策略对包含源域分类损失、目标域伪标签学习损失、协同域对齐损失和局部收缩层损失的目标代价函数进行优化,从而促进深度域自适应迁移诊断网络模型收敛,并从数据集中学习和提取域自适应的判别式鲁棒特征表征,最终实现滚动轴承故障跨设备无监督迁移诊断;本发明在目标域旋转机械设备历史信号样本标签不可用的情形下能够对目标域设备的滚动轴承元件进行高精度且高鲁棒的故障类型识别。

主权项:1.一种滚动轴承故障跨设备深度域自适应迁移诊断方法,其特征在于,包括:步骤一:通过振动加速度传感器分别从源域旋转机械设备和目标域旋转机械设备上采集信号序列;步骤二:分别对源域和目标域数据的各信号序列进行自适应重尺度化;并基于重尺度化后的信号序列,分别构建有标签的源域数据集{XS,YS}和无标签的目标域数据集{XT},其中XS表示由一系列重尺度化后的源域信号序列组成的源域样本数据集矩阵,YS表示相应的源域标签向量,XT则表示由一系列重尺度化后的目标域信号序列组成的目标域样本数据集矩阵;然后,合并{XS,YS}与{XT}后形成训练数据集;步骤三:构建深度域自适应迁移诊断网络模型并初始化相关参数;所述深度域自适应迁移诊断网络模型包括多个一维卷积模块、一个全局平均池化层以及若干全连接层;每个一维卷积模块包括一维卷积层、批正则化层、最大池化层;除最后一层全连接层之外,其余网络层均采用ReLU作为激活函数;最后一层全连接层使用Softmax分类器;步骤四:基于目标代价函数以及改进的自适应学习策略,使用所述训练数据集训练深度域自适应迁移诊断网络模型;所述目标代价函数包括源域分类损失、目标域伪标签学习损失、协同域对齐损失和局部收缩层损失;所述协同域对齐损失是将关于源域数据和目标域数据一阶矩和二阶矩的边际分布和条件分布进行协同域自适应;所述局部收缩层损失通过对深度域自适应迁移诊断网络模型的部分全连接层的雅可比矩阵系数的Frobenius范数进行惩罚实现;所述改进的自适应学习策略为通过追踪目标代价函数随迭代轮次的变化自适应调整学习率;步骤五:将目标域数据集输入完成训练的深度域自适应迁移诊断网络模型,输出相应的诊断结果。

全文数据:

权利要求:

百度查询: 浙江大学 一种滚动轴承故障跨设备深度域自适应迁移诊断方法

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。