System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及故障诊断领域,具体涉及一种耦合故障诊断方法、系统和存储介质。
技术介绍
1、在实际应用中,随着工业系统变得越来越复杂,系统多个组件同时发生故障,即耦合故障的现象正在变得普遍。耦合故障中多个故障分量之间存在相似性和多重干扰,使得故障信号更加复杂,因此解决新工况下的耦合故障问题至关重要。
2、近年来,随着机器学习和数据科学的发展,智能故障诊断技术在工业系统的预测和健康管理中受到越来越多的关注。常用的智能故障诊断方法从有标记的样本中学习知识,并在独立同分布的测试集下进行故障诊断。这些训练数据和测试数据在实践中可以被视为从相同工作条件下收集的数据。因此,当处理一个新的工作条件下的任务时,需要对数据进行标记来构建训练数据。然而实际工作环境中,标记需要耗费大量人力物力资源,再加上工作条件变化频繁,这些方法将带来大量昂贵成本。因此更实际的需求是在新工作条件下可以不需要额外的注释样本来进行测试得到故障诊断模型,从而实现在新工作条件下进行耦合故障诊断,因此,如何在新工作条件下解决耦合故障问题至关重要。
技术实现思路
1、本专利技术实施例提供一种耦合故障诊断方法、系统和存储介质,能够实现在新工作条件下不需要额外的注释样本来进行训练得到多标签迁移学习的耦合故障诊断模型,从而实现在新工作条件下进行耦合故障诊断。
2、为达上述目的,第一方面,本专利技术实施例提供一种耦合故障诊断方法,包括:
3、第一、构建多标签迁移学习的耦合故障诊断模型,具体包括:
< ...【技术保护点】
1.一种耦合故障诊断方法,其特征在于,包括:
2.根据权利要求1所述的耦合故障诊断方法,其特征在于,采取基于时频变化方法分别对源域的样本和目标域的样本进行数据转换,得到源域的频率信号和目标域的频率信号,通过深度特征提取网络对到源域的频率信号和目标域的频率信号分别进行深层次特征提取,得到源域的样本提取特征和目标域的样本提取特征,包括:
3.根据权利要求1所述的耦合故障诊断方法,其特征在于,对源域的提取特征和目标域的提取特征进行全局特征对齐,对源域的提取特征和目标域的提取特征进行局部空间结构对齐,减少目标域的样本和源域的样本之间的提取特征分布差异,实现目标域的样本提取特征对源域的样本提取特征的适应,得到目标域的样本的伪相似关系,包括:
4.根据权利要求3所述的耦合故障诊断方法,其特征在于,基于假设空间理论,通过在深层特征提取网络的多个阶段均加入最大平均差异值,来缩小多标签迁移学习的耦合故障诊断模型的可行解范围,达到减少多标签迁移学习的耦合故障诊断模型的假设空间,实现源域的样本、目标域的样本的全局特征对齐,包括:
5.根据权利要求4所述的
6.根据权利要求5所述的耦合故障诊断方法,其特征在于,通过如下方法确定目标域每个样本的伪相似样本和伪不相似样本:
7.根据权利要求6所述的耦合故障诊断方法,其特征在于,针对源域的样本和目标域的样本进行训练,形成多标签迁移学习的耦合故障诊断模型,包括:
8.根据权利要求7所述的耦合故障诊断方法,其特征在于,采用多标签迁移学习的耦合故障诊断模型对待检测耦合故障数据进行识别,确定故障类型,包括:
9.一种耦合故障诊断系统,其特征在于,包括诊断模型构建单元和耦合故障诊断单元,所述诊断模型构建单元用于构建多标签迁移学习的耦合故障诊断模型,其中:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被计算机设备执行时,使得所述计算机设备执行权利要求1-8中任意一项所述的耦合故障诊断方法。
...【技术特征摘要】
1.一种耦合故障诊断方法,其特征在于,包括:
2.根据权利要求1所述的耦合故障诊断方法,其特征在于,采取基于时频变化方法分别对源域的样本和目标域的样本进行数据转换,得到源域的频率信号和目标域的频率信号,通过深度特征提取网络对到源域的频率信号和目标域的频率信号分别进行深层次特征提取,得到源域的样本提取特征和目标域的样本提取特征,包括:
3.根据权利要求1所述的耦合故障诊断方法,其特征在于,对源域的提取特征和目标域的提取特征进行全局特征对齐,对源域的提取特征和目标域的提取特征进行局部空间结构对齐,减少目标域的样本和源域的样本之间的提取特征分布差异,实现目标域的样本提取特征对源域的样本提取特征的适应,得到目标域的样本的伪相似关系,包括:
4.根据权利要求3所述的耦合故障诊断方法,其特征在于,基于假设空间理论,通过在深层特征提取网络的多个阶段均加入最大平均差异值,来缩小多标签迁移学习的耦合故障诊断模型的可行解范围,达到减少多标签迁移学习的耦合故障诊断模型的假设空间,实现源域的样本、目标域的样本的全局特征对齐,包括:
5.根据权利要求4所述的耦合故障诊断方法,其特征在...
【专利技术属性】
技术研发人员:周海银,肖亚琪,王炯琦,魏居辉,何章鸣,周萱影,孙树涵,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:
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。