旋转机械无监督域自适应故障诊断方法及系统技术方案

本发明专利技术提供了一种旋转机械无监督域自适应故障诊断方法及系统，属于信号处理技术领域。所述的方法，包括：对原始振动信号进行分解，得到每个传感器对应的多个本征模态函数，对各个本征模态函数，分别计算相关系数、谱峭度和谱平滑系数，计算相关系数、谱峭度和谱平滑系数的加权和，选择加权和最大的本征模态函数作为目标分量；根据所述的目标分量以及预训练的域自适应无监督跨域诊断模型，得到故障诊断结果；域自适应无监督跨域诊断模型的训练过程中，以源域带有标签的不同转速下的样本目标分量作为源域训练集，以目标域不带标签的不同转速下的样本目标分量作为目标域训练集；本发明专利技术实现了更精准的故障诊断。

【技术实现步骤摘要】

本专利技术涉及故障诊断，具体涉及一种旋转机械无监督域自适应故障诊断方法、一种旋转机械无监督域自适应故障诊断系统、一种计算机设备、一种计算机可读存储介质及一种计算机程序产品。

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
，并不必然构成现有技术。

2、旋转机械广泛应用于风力发电机、内燃机等大型传动机组，长期处于高负载、强冲击等极端环境下工作，其齿轮、轴承等旋转机械关键部件容易产生故障且齿轮、轴承引发的停机时间较长，因此，监控旋转机械的运行状态，尽早发现旋转机械内部潜在故障并及时维护，对旋转机械实际工业生产正常运维有重要意义。

3、旋转机械故障诊断涉及数学、计算机、机械等多学科知识，传统故障诊断流程包括信号采集、信号特征提取、诊断模型搭建、训练、测试和结果分析等步骤。伴随着人工智能的发展，基于机器学习算法可以将特征提取、诊断模型、训练、测试和结果融合成一体，形成了基于机器学习的旋转机械故障诊断方法。

4、受益于计算机技术以及gpu性能的快速发展，深度学习凭借其强大的特征提取能力以及出色的故障分类性能被广泛应本文档来自技高网...

【技术保护点】

1.一种旋转机械无监督域自适应故障诊断方法，其特征在于，包括以下过程：

2.如权利要求1所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

3.如权利要求1所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

4.如权利要求1所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

5.如权利要求4所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

6.如权利要求4或5所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

7.一种旋转机械无监督域自适应故障诊断系统，其特征在于，包括：p>

8.一种计...

【技术特征摘要】

1.一种旋转机械无监督域自适应故障诊断方法，其特征在于，包括以下过程：

2.如权利要求1所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

3.如权利要求1所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

4.如权利要求1所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

5.如权利要求4所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

6.如权利要求4或5所述的旋转机械无监督域自适应故障诊断方法，其特征在于，

7.一...

【专利技术属性】
技术研发人员：李方义，李伟龙，聂延艳，王黎明，崔鹏，刘晟杰，
申请(专利权)人：山东大学，
类型：发明
国别省市：