本发明专利技术属于故障诊断技术领域，提供了一种基于领域泛化的故障诊断方法及系统，包括：获取多个源域的机械振动信号；提取每个源域的基于领域泛化的特征增广的机械振动信号特征；采用内置随机感受野层的图卷积网络提取每个源域的信号特征，将所提取到的每个源域的特征映射到多个不同的特征空间，得到基于领域泛化的特征增广的机械振动信号特征；根据所提取到的基于领域泛化的特征增广的机械振动信号特征进行信号的故障诊断，得到故障预测结果。本发明专利技术无需额外的数据生成技术直接增加源域的多样性，提高了在未知目标域进行故障诊断的精度，同时提高故障诊断的鲁棒性。
【技术实现步骤摘要】
本专利技术属于故障诊断，具体涉及一种基于领域泛化的故障诊断方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、随着科技的发展和社会的进步，现代工业中的机械设备结构和功能越来越复杂，对机械设备进行故障诊断变得尤为重要。在故障诊断的过程中，因机械设备所处工况和环境噪声的不同，用于训练和测试的故障数据总是存在域偏移问题，进而导致基于深度学习的方法在处理真实环境中分布外的故障数据时性能显著下降。
3、据专利技术人了解，为解决训练和测试数据之间存在的域偏移问题，包含领域适应和领域泛化的迁移学习方法在智能故障诊断领域中迅速发展。基于领域适应的方法能够在源域已知条件下提高故障诊断能力，并能有效地将其适用于目标任务，但是基于领域适应的故障诊断方法在面临全新的目标域时，所取得的效果很难得到保障。基于领域泛化的智能故障诊断方法可学习到域不变特征，但需要从不同源域收集各式各样的数据样本以保障模型的鲁棒性，在实际的工业应用中很难获得大量能够准确反映不同操作条件的数据样本。
...
【技术保护点】
1.一种基于领域泛化的故障诊断方法，其特征在于，包括：
2.如权利要求1中所述的一种基于领域泛化的故障诊断方法，其特征在于，在提取每个源域的机械振动信号特征的过程中，每个源域分别采用独立的结构一致的特征提取网络；所述特征提取网络包括卷积层、池化层和随机感受野层。
3.如权利要求2中所述的一种基于领域泛化的故障诊断方法，其特征在于，所述随机感受野层设置在所述特征提取网络中最后一个池化层之后，基于所述随机感受野层从所述池化层输出的特征映射层随机选择特征片段作为随机窗进行特征映射。
4.如权利要求2中所述的一种基于领域泛化的故障诊断方法，其特征在于，所述不同...
【技术特征摘要】
1.一种基于领域泛化的故障诊断方法，其特征在于，包括：
2.如权利要求1中所述的一种基于领域泛化的故障诊断方法，其特征在于，在提取每个源域的机械振动信号特征的过程中，每个源域分别采用独立的结构一致的特征提取网络；所述特征提取网络包括卷积层、池化层和随机感受野层。
3.如权利要求2中所述的一种基于领域泛化的故障诊断方法，其特征在于，所述随机感受野层设置在所述特征提取网络中最后一个池化层之后，基于所述随机感受野层从所述池化层输出的特征映射层随机选择特征片段作为随机窗进行特征映射。
4.如权利要求2中所述的一种基于领域泛化的故障诊断方法，其特征在于，所述不同的特征提取网络中的随机感受野层不同，通过不同的随机感受野层增大不同特征提取网络所提到的信号特征的差异性。
5.如权利要求1中所述的一种基于领域泛化的故障诊断方法，其特征在于，根据不同源域的图卷积网络的输出得到协方差损失函数，即两个特征提取网络输出的协方差损失函数为；其中，为第一特征提取网络对不同源域的输出，且；...
【专利技术属性】
技术研发人员：宋艳，从霄，王奥成，李沂滨，贾磊，
申请(专利权)人：山东大学，
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。