【技术实现步骤摘要】
本专利技术属于轴承故障诊断，尤其涉及一种基于自适应质心对齐的多目标域故障诊断方法和系统。
技术介绍
1、滚动轴承作为一种通用标准的零部件，广泛应用于各类机械设备中。由于滚动轴承承受冲击的能力较弱，在长时间的负载工作下，极易发生损坏。因此，实时检测轴承的状态，有利于预防设备故障、保障人员安全，对安全生产的落实有着重要意义。随着人工智能的发展，深度神经网络在智能轴承故障领域得到了广泛的应用。然而，深度学习模型往往要求训练集和测试集满足相同或相似的分布。但是，轴承通常在不同工况下运转，导致轴承振动信号的特征分布会产生偏移，导致诊断性能下降。
2、领域自适应是用来解决上述问题的有效方法。领域自适应一般包含两个域：有故障标签的源域、无故障标签的目标域；其中，源域和目标域数据分布不同。领域自适应目的是将源域学习到的诊断知识迁移到目标域中，从而提升模型在目标域的诊断精度。
3、当前，利用领域自适应技术进行跨域故障诊断主要分为两大类方法：基于统计度量的方法和基于领域对抗的方法。前者主要利用各类统计矩来减少源域和目标域的特征分布，...
【技术保护点】
1.一种基于自适应质心对齐的多目标域故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取对轴承在不同工况下的振动信号进行处理得到的源域数据集和目标域数据集的步骤，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述源域数据集和目标域数据集训练自适应质心对齐网络的步骤，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述域分类损失值和故障分类损失值的计算公式分别为：
5.根据权利要求3所述的方法，其特征在于，所述计算质心对齐项损失的步骤，具体包括：
6...
【技术特征摘要】
1.一种基于自适应质心对齐的多目标域故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取对轴承在不同工况下的振动信号进行处理得到的源域数据集和目标域数据集的步骤，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述源域数据集和目标域数据集训练自适应质心对齐网络的步骤，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述域分类损失值和故障分类损失值的计算公式分别为...
【专利技术属性】
技术研发人员：张宇，郝亮，胡梦雅，刘培培，张公政，王建业，王钊哲，黄泽阳，
申请(专利权)人：雄安威赛博智能科技有限公司，
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。