申请/专利权人：重庆大学

申请日：2023-06-21

公开（公告）日：2023-10-27

公开（公告）号：CN116955987A

主分类号：G06F18/213

分类号：G06F18/213;G06F18/214;G06F18/24;G06N3/0464;G06N3/084;G06N3/0985;G01M13/00;G01M13/028;G01M13/021;G01M13/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.14#实质审查的生效;2023.10.27#公开

摘要：本发明涉及一种基于方差差异表述指标的机械故障迁移诊断方法，属于机械故障迁移诊断技术领域。该方法包括：S1：通过传感器采集机械设备上的原始振动信号，然后将采集到的原始振动信号利用滑窗采样技术扩充样本；S2：根据方差差异表述指标构建基于一维卷积神经网络的迁移诊断模型；S3：将划分好的训练样本输入到构建好的迁移诊断模型中，利用源域有标签样本的分类损失和源域与无标签目标域之间的分布对齐损失，对构建的迁移诊断模型进行迭代更新训练；S4：经过多次迭代训练，误差曲线趋于稳定，模型训练完成，训练好的迁移诊断模型将用于机械设备的闭集迁移诊断。本发明能提高机械故障迁移诊断的准确性和鲁棒性。

主权项：1.一种基于方差差异表述指标的机械故障迁移诊断方法，其特征在于，该方法具体包括以下步骤：S1：通过传感器采集机械设备上的原始振动信号，然后将采集到的原始振动信号利用滑窗采样技术扩充样本；S2：根据方差差异表述指标构建基于一维卷积神经网络的迁移诊断模型；S3：将划分好的训练样本输入到构建好的迁移诊断模型中，利用源域有标签样本的分类损失LC和源域与无标签目标域之间的分布对齐损失LVDR，对构建的迁移诊断模型进行迭代更新训练；S4：经过多次迭代训练，误差曲线趋于稳定，模型训练完成，训练好的迁移诊断模型将用于机械设备的闭集迁移诊断。

全文数据：

权利要求：

百度查询： 重庆大学 基于方差差异表述指标的机械故障迁移诊断方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD