申请/专利权人：广东石油化工学院

申请日：2023-12-25

公开（公告）日：2024-03-22

公开（公告）号：CN117743855A

主分类号：G06F18/214

分类号：G06F18/214;G06F18/24;G06F17/10;G06F17/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于PDA‑BLS模型的部分域适配的故障诊断方法及系统。首先，通过概率标注方法预测目标域样本的标签，获取源域样本权重。然后，在BLS框架内，融入源域样本加权的最大均值差异、源域样本加权的分类损失，通过加权策略校正源域共享样本的选择偏差，过滤掉与目标域故障类别不相关的源域样本，仅迁移与目标域故障类别相关的源域样本的知识，从而抑制源域私有类别样本在域适配过程中造成的负迁移。此外，采用目标域样本分类损失方法进一步促进正迁移，以此学习BLS分类器，利用学到的BLS分类器实现对目标域样本的诊断，依据诊断结果重新计算源域样本的权重，如此反复迭代更新BLS分类器，实现部分域适配下的跨域故障诊断。

主权项：1.一种基于PDA-BLS模型的部分域适配的故障诊断方法，其特征在于，包括：基于源域样本和概率标注方法，预测出目标域样本的初始标签；其中，ns为所述源域样本的数目，nt为所述目标域样本的数目；基于所述初始标签通过公式计算出所述PDA-BLS模型迭代到第iter次时源域类别c中的第q个样本的权重其中，为所述PDA-BLS模型迭代到第iter-1次时所述目标域样本被预测为类别c的样本个数；通过公式计算出所述PDA-BLS模型第iter次迭代的源域样本权重向量ωiter；通过公式计算出边缘分布SWMMD矩阵V0的第i行第j列的元素V0ij；通过公式计算出条件分布SWMMD矩阵Vc的第i行第j列的元素Vcij；通过公式计算出SWMMD矩阵v；通过线性变换函数将输入数据X＝[Xs，Xt]映射到所述PDA-BLS模型的特征层，形成特征节点再通过激活函数非线性变换生成增强节点Hm＝[H1，...，Hm]，得到实际输入信号其中，αxiT为输入数据X的第i个样本xi经过特征层变换和增强层变换后的输出；通过公式计算出所述源域样本的加权最大均值差异项；其中，β为输出权重矩阵；通过公式计算得到所述PDA-BLS模型的分类损失；其中，为所述PDA-BLS模型第iter次迭代的源域样本权重对角矩阵，为源域第i个样本的期望输出，为目标域第j个样本的预测输出，δ∈[0，1]为分类损失平衡因子；对所述输出权重矩阵β施加L2正则化，构造所述PDA-BLS模型的目标函数其中，θ为正则项系数，γ∈[0，1]为数据分布差异与分类损失之间的平衡因子；求解所述目标函数，得到所述输出权重矩阵β；当训练样本数目ns+nt大于或者等于所述PDA-BLS模型的节点数nk+m时，采用基于左伪逆算法求解所述PDA-BLS模型的输出权重矩阵β；当所述训练样本数目ns+nt小于所述PDA-BLS模型的节点数nk+m时，采用基于右伪逆算法求解所述PDA-BLS模型的输出权重矩阵β；基于求解出的输出权重矩阵β，通过公式fx＝αxβ＝[f1x，f2x，...，fCx]得到未知标签的目标域样本x的PDA-BLS模型输出；通过公式Labelx＝argmaxfix，i＝1，...，C得到所述未知标签的目标域样本x的预测标签。

全文数据：

权利要求：

百度查询： 广东石油化工学院 一种基于PDA-BLS模型的部分域适配的故障诊断方法及系统

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