基于联合特征对齐的无监督域自适应故障诊断方法及系统技术方案

本发明专利技术属于无监督电机故障诊断技术领域，特别涉及一种基于联合特征对齐的无监督域自适应故障诊断方法及系统，包含特征提取器对源域和目标域的故障数据进行特征提取后，依次输入到两个全连接层；期间利用互信息与多层多核最大均值差异对源域样本特征表示和目标域样本特征表示计算最大化互信息与最大均值差异；再构建目标函数；在模型训练过程中，通过特征提取器与分类器的网络参数的不断优化以最小化目标函数，最后利用训练好的模型对不同域之间的特征进行对齐，同时对目标域样本进行故障诊断。本发明专利技术将MK‑MMD与MI结合起来综合考虑源域与目标域特征之间的边缘分布与条件分布，最终在实现特征对齐的基础上有效提高目标域的诊断精度。

【技术实现步骤摘要】

本专利技术属于无监督电机故障诊断，特别涉及一种基于联合特征对齐的无监督域自适应故障诊断方法及系统。

技术介绍

1、域自适应域对齐(domain agnment)是指通过一定的方法将源域和目标域连接起来，使得模型在源域和目标城上都能获得较好的性能。在机器学习中，源域和目标域通常指的是不同的数据集，由于数据分布的差异，直接将模型在源域上的表现推广到目标域上可能并不理想。因此，需要进行域对齐，减小源域和目标域之间的差异。

2、在轴承的跨工况故障诊断情况下，目标工况数据标签缺失且与原工况数据分布存在差异，导致深度学习模型诊断准确率下降，模型泛化能力差。目前采用无监督域自适应技术进行故障诊断，现有的无监督域自适应技术主要分为对抗性域自适应与非对抗性域自适应。对抗性域自适应通过特征生成器与域判别器两个网络之间的不断对抗竞争，最终达到纳什平衡来对齐从两个域中提取的特征。非对抗性域自适应通过具有共享权重的特征提取器将源域和目标域映射到公共特征空间，将特征差异量化成统计距离的域位移。

3、现有的基于对抗性域自适应技术所提取的特征在类边界附近模糊，并且本文档来自技高网...

【技术保护点】

1.一种基于联合特征对齐的无监督域自适应故障诊断方法，其特征在于，用于电机轴承跨工况故障诊断，包含：

2.根据权利要求1所述的基于联合特征对齐的无监督域自适应故障诊断方法，其特征在于，所述一维卷积神经网络包含五个卷积层和五个池化层，在每个卷积层之后添加BatchNorm层与Relu层。

3.根据权利要求1所述的基于联合特征对齐的无监督域自适应故障诊断方法，其特征在于，利用互信息对源域样本特征表示和目标域样本特征表示计算最大化互信息Lmi，表达式为：

4.根据权利要求3所述的基于联合特征对齐的无监督域自适应故障诊断方法，其特征在于，利用多层多核最大均值差...

【技术特征摘要】

1.一种基于联合特征对齐的无监督域自适应故障诊断方法，其特征在于，用于电机轴承跨工况故障诊断，包含：

2.根据权利要求1所述的基于联合特征对齐的无监督域自适应故障诊断方法，其特征在于，所述一维卷积神经网络包含五个卷积层和五个池化层，在每个卷积层之后添加batchnorm层与relu层。

3.根据权利要求1所述的基于联合特征对齐的无监督域自适应故障诊断方法，其特征在于，利用互信息对源域样本特征表示和目标域样本特征表示计算最大化互信息lmi，表达式为：

4.根据权利要求3所述的基于联合特征对齐的无监督域自适应故障诊断方法，其特征在于，利用多...

【专利技术属性】
技术研发人员：冯肖亮，张志伟，赵爱明，黄平成，陶钧，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：