【技术实现步骤摘要】
本专利技术涉及滚动轴承故障诊断，尤其是涉及基于少标签多传感器信号融合的滚动轴承智能诊断方法。
技术介绍
1、随着旋转机械设备向系统集成和高度智能化的发展，各部件之间的紧密耦合使得仅依赖单个传感器难以充分的反映旋转机械的运行状态。因此，在设备发生不同类型故障时，仅依靠单一状态信号不具备辨别各种故障的稳定性和确定性，通常需要更多的传感器和状态信号来全面反映工作状态。此外，实际场景中传感器实时获取的状态信号缺乏确定的状态标签，需要人工识别状态信号的模式，这将耗费大量的资源，并且容易导致大量无标记数据未被合理利用。因此，研究基于少标签多源信号的旋转机械智能故障诊断方法显得尤为必要。
2、目前，主要的研究方法是信号融合和半监督学习，但其本质是依据多源信号的特征向量进行建立模型开展智能诊断任务。向量化操作易忽略多源信号的空间结构关联和内在主体信息。相反，多源信号的融合特征张量能够表征更为全面的数据结构信息。
3、支持张量机虽然可以根据张量样本的空间分布划分超平面，但对样本标签信息要求较高，且分解值对诊断效率和精度有显著影响。
4、因本文档来自技高网...
【技术保护点】
1.基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，所述基于分布式传感器，采集待监测设备内滚动轴承的多传感器信号包括以下步骤：
3.根据权利要求1所述的基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，所述提取所述多传感器信号的有效特征，并基于所述有效特征，构建多源信息融合张量包括以下步骤：
4.根据权利要求3所述的基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，所述基于张量核范数和高阶...
【技术特征摘要】
1.基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，所述基于分布式传感器，采集待监测设备内滚动轴承的多传感器信号包括以下步骤：
3.根据权利要求1所述的基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，所述提取所述多传感器信号的有效特征，并基于所述有效特征，构建多源信息融合张量包括以下步骤：
4.根据权利要求3所述的基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，所述基于张量核范数和高阶流形正则项，构建半监督低秩张量分类器包括以下步骤：
5.根据权利要求4所述的基于少标签多传感器信号融合的滚动轴承智能诊断方法，其特征在于，所述张量核范数用于对回归张量施加低秩约束，以获取所述数据集的低秩特征；
6....
【专利技术属性】
技术研发人员：胡忠忠，陈果，曹玲燕，晋成凤，卢应强，
申请(专利权)人：江苏国电南自海吉科技有限公司，
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。