【技术实现步骤摘要】
本专利技术涉及智能故障诊断领域，尤其涉及一种在线调距桨液压系统齿轮泵故障特征迁移学习方法。
技术介绍
1、数据驱动的机械智能故障诊断的有效性往往基于足够的可用监测数据，这要求用于训练智能诊断模型的数据具有丰富的故障信息和健康标签信息。然而，这在工程实践中很难满足，主要有以下两个原因：
2、1)液压设备在长期运行中仍处于正常运行状态，故障发生的不确定性和持续时间短。因此，获得的故障样本数量远小于正常样本数量，导致监测数据中的故障信息不完整，故障类别不平衡；
3、2)尽管在工程实践中可以获得大量数据，但只有少量数据对应于液压设备的已知健康状态，可以用于训练智能诊断模型。大多数数据都需要标记相应的健康状况，并且标记数据的成本很高，例如频繁停车自检故障、费力地手动标记数据以及很少发生的故障类型，导致缺乏用于监测大数据的健康标记信息。
4、在新的场景下，将训练好的故障诊断模型转移到另一台设备或具有有限故障数据的不同工况下，可以解决上述问题。
5、在目前阶段，大部分故障诊断系统常采样迁移学习解决实际中...
【技术保护点】
1.一种在线调距桨液压系统齿轮泵故障特征迁移学习方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，在所述S101中，所述历史数据包括历史一段时期内待诊断的所述调距桨液压系统齿轮泵的数据，所述历史数据和所述实时数据包括流量数据、压力数据、温度数据以及螺距指令和反馈数据。
3.如权利要求2所述的方法，其特征在于，所述历史数据和所述实时数据根据采样频率的不同，设置预定长度的数据序列，采集多个数据点并写入到所述数据库中。
4.如权利要求3所述的方法，其特征在于，在所述S103中，所述斯皮尔曼相关性系数采用如下
<...【技术特征摘要】
1.一种在线调距桨液压系统齿轮泵故障特征迁移学习方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，在所述s101中，所述历史数据包括历史一段时期内待诊断的所述调距桨液压系统齿轮泵的数据，所述历史数据和所述实时数据包括流量数据、压力数据、温度数据以及螺距指令和反馈数据。
3.如权利要求2所述的方法，其特征在于，所述历史数据和所述实时数据根据采样频率的不同，设置预定长度的数据序列，采集多个数据点并写入到所述数据库中。
4.如权利要求3所述的方法，其特征在于，在所述s103中，所述斯皮尔曼相关性系数采用如下方式计算：
5.如权利要求4所述的方法，其特征在于，在所述s103中，所述经验模态分解包括如下步骤：
6.如权利要求5所述的方法，其特征在于，在所述s1033中，所述内禀模态函数imf分量采用如下方式计算...
【专利技术属性】
技术研发人员：王景成，汤振辉，付黄龙，郜超见，陈伟，孙鑫宇，冯宇，蔡辉煌，袁景淇，
申请(专利权)人：中国船舶集团有限公司第七〇四研究所，
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。