【技术实现步骤摘要】
本专利技术属于故障诊断领域，具体涉及一种基于条件对抗子领域自适应的多目标域轴承故障诊断方法。
技术介绍
1、高速列车往往在高速度和高载荷下运行，保障高速列车运行的安全性和稳定性，就是保障高速列车上乘客的生命安全以及财产安全。由于高速列车运行于多变的工况下，变载荷、变转速和变环境等对轴承造成影响，致使轴承的稳定性遭到损坏。双列圆锥滚子轴承作为高速列车走行部的重要部件之一，其重要性不言而喻。因此，通过智能诊断方法对高铁轴承进行高效率和高准确率的故障诊断具有重大意义。
2、随着机器学习的发展，越来越多的智能诊断方法被提出、被应用到轴承故障诊断中，其中基于深度学习的智能诊断方法占据了主流。相较于传统故障诊断方法的效率低下、依靠经验、花费较大等缺点，基于深度学习的智能诊断方法拥有高效性、高准确性、低专业性等优点，因此被广泛使用在各类故障诊断过程中，并取得了良好的效果。但是基于深度学习的智能诊断方法存在两个重要假设：(1)训练准确的模型需要大量已经标记的数据集。(2)训练数据和测试数据为独立且同分布的。存在以上前提，才能对轴承状态进行准...
【技术保护点】
1.基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，在步骤一中，将采集到的轴承振动数据经过小波变换转换为二维图像。
3.根据权利要求1所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，在步骤一中，所述条件对抗子领域自适应网络训练的数据前处理操作包括切割、增强及标准化处理。
4.根据权利要求1所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，步骤二中，以深度残差神经网络作为特征...
【技术特征摘要】
1.基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，在步骤一中，将采集到的轴承振动数据经过小波变换转换为二维图像。
3.根据权利要求1所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，在步骤一中，所述条件对抗子领域自适应网络训练的数据前处理操作包括切割、增强及标准化处理。
4.根据权利要求1所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，步骤二中，以深度残差神经网络作为特征提取器，由多个残差块组成，每个残差块都由卷积层、非线性激活和批量归一化层组成。
5.根据权利要求4所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，步骤二中，特征提取器的整体数学表达式为：y＝f(x，w)+b，其中，x和y分别为残差块的输入和输出；f(·)函数表示残差块映射的操作，包括卷积操作、批量归一化操作和relu函数，w、b为特征提取器中的参数。
6.根据权利要求5所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，步骤二中，标签分类器的目标函数为：
7.根据权利要求6所述的基于条件对抗子领域自适应的多目标域轴承故障诊断方法，其特征在于，步骤二中...
【专利技术属性】
技术研发人员：蔡海潮，杨波，薛玉君，叶军，徐彦伟，杨晓康，李婉荣，
申请(专利权)人：河南科技大学，
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。