基于方差差异表述指标的机械故障迁移诊断方法技术

本发明专利技术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。本发明专利技术能提高机械故障迁移诊断的准确性和鲁棒性。故障迁移诊断的准确性和鲁棒性。故障迁移诊断的准确性和鲁棒性。

【技术实现步骤摘要】
基于方差差异表述指标的机械故障迁移诊断方法


[0001]本专利技术属于机械故障迁移诊断
，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。

技术介绍

[0002]旋转机械广泛应用在能源动力、轨道交通、军事国防、航空航天等重要工程领域。但是，一些关键机械核心零部件，如轴承、齿轮、轴等，常常工作高速重载、不稳定的恶劣工况条件下。一旦发生故障，将造成不可挽回的经济财产损失甚至人员伤亡。近年来，受限于机械故障标签先验知识的匮乏，考虑数据分布差异的机械故障迁移诊断方法得到了大量专家学者的关注。分布差异指标作为影响迁移诊断方法准确率的核心因素，却受到了较少的研究。实际机械装备通常工作在噪声大且工况多变的环境中，导致了现有主流分布差异指标的鲁棒性和抗干扰能力较低。
[0003]因此，亟需一种改进的具有抗干扰分布差异指标来解决机械故障迁移诊断鲁棒性差的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于方差差异表述指标的机械故障迁移诊断方法，利用一个具有方差差异表述(Variance discrepan本文档来自技高网...

【技术保护点】

【技术特征摘要】
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L
C
和源域与无标签目标域之间的分布对齐损失L
VDR
，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。2.根据权利要求1所述的机械故障迁移诊断方法其特征在于，步骤S2中，构建的迁移诊断模型是利用一维卷积神经网络作为主干网络去提取故障特征，所有的损失优化项添加到最后一层；其中，模型选择分类损失L
C
来训练源域标签样本获得可分故障特征；采用有偏方差差异表述作为分布对齐损失L
VDR
去减少源域和目标域之间的分布差异。3.根据权利要求1或2所述的机械故障迁移诊断方法其特征在于，分类损失L
C
的表达式为：其中，C和分别表示源域样本故障种类和源域样本的预测标签，n
S
表示源域样本数量，表示对应于源域样本的标签，I(

【专利技术属性】
技术研发人员：秦毅，钱泉，毛永芳，王旅，
申请(专利权)人：重庆大学，
类型：发明
国别省市：