【技术实现步骤摘要】
本专利技术涉及故障诊断，尤其涉及一种面向多源域不平衡数据的滚动轴承跨域故障诊断方法。
技术介绍
1、旋转机械在航空航天、交通运输、石油化工等行业中发挥着重要作用。在旋转机械的众多部件中，滚动轴承是一个重要的部件。由于旋转设备运行条件的复杂性，滚动轴承常在相对恶劣的环境下运行，一旦发生事故，可能造成严重的财产损失，甚至威胁人员生命安全。因此，对滚动轴承进行故障诊断是十分必要的。旋转机械由于运行条件的变化、设备的磨损退化等原因，往往在不同的工况下运行，这阻碍了基于深度学习的故障诊断方法在实际工程中的应用。由可变工况引起的分布差异通常会导致深度诊断模型在其有效性方面显著恶化。因此，领域偏移是开发准确、可靠的故障诊断方法的一个关键挑战。最近，基于领域泛化的方法被设计用来解决跨域故障诊断问题，其核心思想是通过匹配不同领域样本在高层子空间中的分布，并提取域不变特征来消除跨域分布差异，这些方法已经被证实能够在跨域故障诊断中取得较好的性能。然而，这些方法大多假设用于模型训练的故障数据集中各个故障类别的样本数量相同，由于实际采集数据时往往会受到多种限制，...
【技术保护点】
1.一种面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，建立一种跨域故障诊断模型；所述跨域故障诊断模型包括特征提取模块、状态预测模块、对比语义对齐模块和权重生成模块；
2.根据权利要求1所述的面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，所述特征提取模块采用多分支的孪生网络架构，每个分支对应一个特定源域；分支之间采取权值共享策略，孪生网络架构的所有分支共享相同的权重和偏置参数；在每个分支中，采用首层宽卷积核深度卷积神经网络，包括五个卷积层和五个最大值池化层；首层卷积层以外的其余各卷积层均采用3×1的卷积核；每层卷积操作后采用批量归...
【技术特征摘要】
1.一种面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，建立一种跨域故障诊断模型；所述跨域故障诊断模型包括特征提取模块、状态预测模块、对比语义对齐模块和权重生成模块；
2.根据权利要求1所述的面向多源域不平衡数据的滚动轴承跨域故障诊断方法，其特征在于，所述特征提取模块采用多分支的孪生网络架构，每个分支对应一个特定源域；分支之间采取权值共享策略，孪生网络架构的所有分支共享相同的权重和偏置参数；在每个分支中，采用首层宽卷积核深度卷积神经网络，包括五个卷积层和五个最大值池化层；首层卷积层以外的其余各卷积层均采用3×1的卷积核；每层卷积操作后采用批量归一化和激活函数处理，再采用2×1的最大值池化；经过所有卷积层和最大池化层处理之后，进行整平操作，将提取的特征展平为一维特征嵌入，映射到嵌入空间。
3.根据权利要求2所述的面向多源域不平衡...
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。