基于多级加权动态域对抗网络的部分集跨域故障诊断方法技术

本发明专利技术公开了基于多级加权动态域对抗网络的部分集跨域故障诊断方法，属于故障诊断技术领域。本发明专利技术划分源域数据和目标域数据，通过特征提取器提取数据的特征表达，利用特征表达和多级权重计算策略，计算源样本多级权重；然后通过全局和局部域鉴别器并行实施源样本过滤；最后通过动态域对抗因子动态地调节全局和局部对抗自适应过程的相对重要性。本发明专利技术设计了一种基于多级权重的并行源样本过滤方案充分过滤不相关源数据并且增强训练过程中模型校正噪声权重的性能；在此基础上，构造一个带有多级源样本过滤方案的动态域对抗框架，以最大化共享类的正迁移。该方法部分集迁移故障诊断场景下能够有效过滤不相关的源类别，减少其对诊断模型的扰动。

【技术实现步骤摘要】

本专利技术涉及跨域故障诊断，具体涉及一种基于多级加权动态域对抗网络的部分集跨域故障诊断方法。

技术介绍

1、数字化、智能化、工业化和信息化融合成为制造业升级转型和结构优化的重点，这使得机械设备朝着装备智能化、规模化与多功能化的方向不断更新。为了保证机械设备的平稳运行，针对设备关键零部件的健康监测和故障诊断尤为重要。在机械故障诊断领域，传统的基于人工特征提取的诊断方法劳动强度大，成本高，在面对数据量日益增长的故障诊断任务时难以发挥优势。因此，近年来能够处理大量监测数据的智能故障诊断方法得以发展。在各种智能故障诊断方法中，基于深度学习的诊断方法由于能够从大量数据中自动提取特征而备受关注。然而，大多数可靠的深度学习模型是基于训练和测试数据服从相同分布的假设获得的，这在工业系统中并不总是成立。基于领域自适应的迁移学习技术为解决上述问题提供了一种新的工具，即从源域学习可转移的诊断知识，并在另一个相关目标任务中重用，从而实现跨领域故障诊断。但在应用过程中发现，尽管现有的基于领域自适应的智能故障诊断方法有望在跨域诊断场景中表现良好，但它们通常假设源和目标标签空间是对称的本文档来自技高网...

【技术保护点】

1.基于多级加权动态域对抗网络的部分集跨域故障诊断方法，其特征在于：将源域数据和目标域数据进行划分，通过特征提取器提取数据的特征表达，利用特征表达和多级权重计算策略，计算源样本的多级权重；然后通过全局和局部域鉴别器并行实施源样本过滤；最后通过动态域对抗因子动态地调节全局和局部对抗自适应过程的相对重要性，最大化促进正迁移。

2.根据权利要求1所述的一种基于多级加权动态域对抗网络的部分集跨域故障诊断方法，其特征在于，包括以下步骤：

3.根据权利要求2所述的一种基于多级加权动态域对抗网络的部分集跨域故障诊断方法，其特征在于：所述特征提取器包括四层卷积和平均池化层，分类器...

【技术特征摘要】

1.基于多级加权动态域对抗网络的部分集跨域故障诊断方法，其特征在于：将源域数据和目标域数据进行划分，通过特征提取器提取数据的特征表达，利用特征表达和多级权重计算策略，计算源样本的多级权重；然后通过全局和局部域鉴别器并行实施源样本过滤；最后通过动态域对抗因子动态地调节全局和局部对抗自适应过程的相对重要性，最大化促进正迁移。

2.根据权利要求1所述的一种基于多级加权动态域对抗网络的部分集跨域故障诊断方法，其特征在于，包括以下步骤：

3.根据权利要求2所述的一种基于多级加权动态域对抗网络的部分集跨域故障诊断方法，其特征在于：所述特征提取器包括四层卷积和平均池化层，分类器包括三层全连接层，辅助预测器包括两层全连接层和一层leakysoftmax激活层，全局域...

【专利技术属性】
技术研发人员：张洪亮，张宇腾，陈毅，陈彬，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：