一种基于深度残差网络的滚动轴承故障诊断方法技术

本发明专利技术公开了一种基于深度残差网络的滚动轴承故障诊断方法，首先构造了基于深度残差网络的域对抗迁移学习框架，避免了梯度消失、梯度发散等问题的发生；然后，利用自适应参数化整流线性单元，嵌入到DRN

【技术实现步骤摘要】
一种基于深度残差网络的滚动轴承故障诊断方法


[0001]本专利技术属于轴承故障诊断
，具体涉及一种基于深度残差网络的滚动轴承故障诊断方法。

技术介绍

[0002]随着绿色、智慧矿山的发展，浆体管道输送因具有安全、高效、环保等优势，已成为地形复杂、交通不便地区精矿运输的最佳方式。目前，我国已建成运行十余条矿浆输送管道，输送里程超过4000公里，年输送精矿量超过1亿吨。国内先后建设和投入运行的典型浆体管道包括：瓮福磷精矿输送管道、昆钢大红山铁精矿输送管道(简称“大红山管道”)以及我国第一条输煤管线，也是世界上最长的输煤管线工程——陕西神渭煤浆管道(全长727公里，年输煤量1000万吨)。
[0003]高压隔膜泵是目前较为先进的浆体输送设备，它与传统的油隔离泵相比具有活塞寿命长、效率高和产能大等多方面优点，被广泛用于黑色、有色、煤炭、电力、化工等行业。
[0004]滚动轴承作为高压隔膜泵系统的核心机械零部件，其运行状态直接影响着整个高压隔膜泵系统的运转。滚动轴承的实际服役环境通常表现为变转速、变载荷(高压隔膜泵的启停车、加压变化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度残差网络的滚动轴承故障诊断方法，其特征在于，包括：S1、构建基于深度残差网络的域对抗迁移学习框架；S2、利用自适应参数化整流线性单元嵌入到DRN
‑
DATL中，得到基于APReLU激活函数的DRN
‑
DATL网络；S3、利用梯度反转法对源域和目标域进行域对抗训练，得出基于深度残差网络的诊断模型，并通过特征提取器得到域不变特征；S4、于S3基础上最小化源域和目标域之间的数据分布差异，完成变工况下滚动轴承故障特征的迁移和识别；S5、将目标域中不带标签的滚动轴承测试样本输入训练好的域对抗迁移学习模型中，基于深度残差网络的诊断模型利用源域中的标签样本对目标域中的测试样本进行高精度的故障诊断。2.根据权利要求1所述一种基于深度残差网络的滚动轴承故障诊断方法，其特征在于，所述S3中域不变特征获得步骤如下：S3.1.1、分别对源域和目标域的滚动轴承的故障样本进行预处理，作为该模型中的输入样本；S3.1.2、源域和目标域数据作为输入传递到特征提取器G
f
＝G

【专利技术属性】
技术研发人员：李卓睿，马军，王晓东，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：