基于动态权重的混合子域分布差异的部分域故障诊断方法技术

本发明专利技术提供了一种基于动态权重的混合子域分布差异的部分域故障诊断方法，涉及机械智能故障诊断和计算机人工智能领域，采集轴承故障数据，构成源域和目标域；对数据集切片并对每个样本进行归一化处理；将源域和目标域样本分别输入到特征提取器、动态对抗加权模块，获得相应的特征向量，求出源域数据权重；将加权后的源域数据特征和目标数据域特征输入标签分类器、混合子域分布差异模块，计算加权交叉熵损失和条件熵损失，计算混合子域分布差异；对建立的深度神经网络模型进行训练，达到预设迭代次数后得到最终的基于动态对抗加权及混合子域分布差异的深度神经网络模型进行故障诊断。本发明专利技术的有益效果是：有效提高了故障识别精度。

【技术实现步骤摘要】

本专利技术涉及机械智能故障诊断和计算机人工智能领域，尤其涉及一种基于动态权重的混合子域分布差异的部分域故障诊断方法。

技术介绍

1、现代工业正在快速发展，工业系统集成和信息技术也在不断发展，高可靠的零部件和系统是航天航空安全运行的保障。未被发现的航空故障可能会导致航空机械发生灾难性事件。机械传动系统作为飞机发动机、航天飞机等旋转机械的核心部件，长期在高速、重载、恶劣的运行条件下容易出现各种故障，直接影响机械系统的安全运行。以航空设备为代表的旋转机械引起了研究人员的关注。早期故障检测与诊断技术可以预测故障发展趋势，对机械工程传动系统故障的预防起着关键作用。因此，为了避免因小故障引发后续重大事故的发生，各行业都非常重视旋转机械上的智能故障诊断系统。

2、深度学习是一类基于人工神经网络的机器学习算法，并在多年的研究发展中出现大量的算法模型，逐渐成为机器学习的主要代表算法，在许多领域取得了成功。由于深度学习技术在海量数据处理、特征学习和模式识别方面具有特别的优势，已经在制造业的许多应用中被证明是一个很有前途的工具，通过端到端的工业设备健康状况和工业数据本文档来自技高网...

【技术保护点】

1.一种基于动态权重的混合子域分布差异的部分域故障诊断方法，其特征在于：包括：

2.如权利要求1所述的一种基于动态权重的混合子域分布差异的部分域故障诊断方法，其特征在于：S1中，使用加速度计采集一种已知故障信息的轴承振动信号作为源域数据，然后采集其他工况下未知故障信息的轴承振动信号作为目标域数据；故障类型包括：正常状态、外圈故障、内圈故障和滚动体故障。

3.如权利要求1所述的一种基于动态权重的混合子域分布差异的部分域故障诊断方法，其特征在于：S3中，源域数据特征目标域数据特征θF表示特征提取器F(·)的参数，和表示第i个源域数据和第j个目标域数据。

4...

【技术特征摘要】

1.一种基于动态权重的混合子域分布差异的部分域故障诊断方法，其特征在于：包括：

2.如权利要求1所述的一种基于动态权重的混合子域分布差异的部分域故障诊断方法，其特征在于：s1中，使用加速度计采集一种已知故障信息的轴承振动信号作为源域数据，然后采集其他工况下未知故障信息的轴承振动信号作为目标域数据；故障类型包括：正常状态、外圈故障、内圈故障和滚动体故障。

3.如权利要求1所述的一种基于动态权重的混合子域分布差异的部分域故障诊断方法，其特征在于：s3中，源域数据特征目标域数据特征θf表示特征提取器f(·)的参数，和表示第i个源域数据和第j个目标域数据。

4.如权利要求3所述的一种基于动态权重的混合子域分布差异的部分域故障诊断方法，其特征在于：动态对抗加权模块用于以最小化重新加权的源域和目标域分布之间的wasserstein距离，具体公式为：

5.如权利要求1所述的一种基于动态权重的混合子域分布差异的部分域故障诊断方法，其特征在于：s3中，将特征向量送入标签分类器进行预测，得到z...

【专利技术属性】
技术研发人员：彭雷，白骏飞，戴光明，王茂才，宋志明，陈晓宇，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：