【技术实现步骤摘要】
一种基于集成域自适应的故障诊断方法及系统
本公开属于故障诊断
，涉及一种基于集成域自适应的故障诊断方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。故障诊断是保证工业生产安全的关键。近年来，随着机器学习和大数据的发展，基于数据驱动的智能故障诊断方法快速发展。然而传统的机器学习方法虽然在故障诊断中取得了一定的成功，但在使用上存在以下问题：1)它们需要与特征提取方法结合使用，而特征的选择将在很大程度上影响最后的分类结果。此外，特征提取网络和分类器是单独设计的，需要消耗大量的时间，不能实现全局优化。2)这些方法大多属于浅层结构，难以学习复杂系统的有效特征表示和非线性映射关系。深度学习算法因其可以自适应提取故障特征、网络结构复杂等特点，在机械故障诊断中得到了广泛的应用。深度信任网络(DeepBeliefNetwork,DBN)和卷积神经网络(ConvolutionalNeuralNetwork,CNN)等深度学习算法在故障诊断和健康监测方面表现突出。然而，由于现场工...
【技术保护点】
1.一种基于集成域自适应的故障诊断方法，其特征是：包括以下步骤：/n使用两个特征提取器将源域和目标域数据投影到不同的特征空间中，其中一个特征提取器基于域对抗学习来学习特征，另一个特征提取器将最大均值差异作为损失函数进行学习，不同的特征提取器使用不同的损失函数，得到不同的分类结果，并将分类结果集成到域自适应中，输出得到故障诊断结果。/n
【技术特征摘要】
1.一种基于集成域自适应的故障诊断方法，其特征是：包括以下步骤：
使用两个特征提取器将源域和目标域数据投影到不同的特征空间中，其中一个特征提取器基于域对抗学习来学习特征，另一个特征提取器将最大均值差异作为损失函数进行学习，不同的特征提取器使用不同的损失函数，得到不同的分类结果，并将分类结果集成到域自适应中，输出得到故障诊断结果。
2.如权利要求1所述的一种基于集成域自适应的故障诊断方法，其特征是：对源域和目标域数据先进行数据预处理，具体包括将数据分割为设定长度的数据段，以及对分割后的数据规范化。
3.如权利要求1所述的一种基于集成域自适应的故障诊断方法，其特征是：对预处理后的源域和目标域数据定义不同标签，利用第一特征提取器和第一分类网络在域对抗训练的基础上，结合域预测网络进行训练，以使第一特征提取器和域预测网络获取最优参数。
4.如权利要求1所述的一种基于集成域自适应的故障诊断方法，其特征是：利用第二特征提取器和第二分类网络，基于径向基函数核的最大平均差异进行训练。
5.如权利要求1所述的一种基于集成域自适应的故障诊断方法，其特征是：在集成步骤中，将两个分类结果进行平均，得到最终预测结果。
6.一种基于集成域自适应的故障诊断系统，其特征是：包括：
数据预处理模块，被配置为...
【专利技术属性】
技术研发人员：宋艳，李沂滨，贾磊，王代超，郭庆稳，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。