【技术实现步骤摘要】
本专利技术涉及一种基于多核权重化联合域自适应网络的轴承故障诊断方法，属于故障数据智能诊断领域。
技术介绍
1、随着深度学习的快速发展，智能故障诊断技术得到了越来越广泛的应用。然而理想的故障诊断技术往往需要满足域之间是独立同分布而且需要大量的标记样本，这在一定程度上限制了其在工程实际中的应用。域自适应就能很好的解决这些问题，其通过源域样本和目标域样本的联合学习，缓解了数据分布的域差异。深度域自适应的主要思想是利用深度网络进行域不变的特征学习。比如，行业内有学者提出了一种加权最大均值差异(wmmd)模型来对齐源域数据和目标域数据之间的边际分布；还有学者使用基于多核最大均值差异(mkmmd)的生成器模型对标记数据和未标记工业数据的分布进行对齐；以及有些学者提出了一种基于伪标签和聚类假设的新方法，以实现类条件分布对齐。
2、在这些人的基础上加以改进，越来越多的研究者们拓展这些单边分布到联合分布。例如，有些学者使用联合域自适应网络(jan)通过对齐联合分布来学习域迁移知识。有些学者开发了一种联合对抗域适应(jada)方法，旨在提高模型...
【技术保护点】
1.一种基于多核权重化联合域自适应网络的轴承故障诊断方法，其特征在于，具体步骤为：
2.根据权利要求1所述基于多核权重化联合域自适应网络的轴承故障诊断方法，其特征在于，所述源域和目标域各自的样本数据均包括故障轴承的数据和正常轴承的数据。
3.根据权利要求1所述基于多核权重化联合域自适应网络的轴承故障诊断方法，其特征在于，所述步骤S1中源域的样本数据是有标记的，目标域的样本数据是无标记的；源域和目标域两者的样本数据类别是相同的；源域的样本数据和目标域的样本数据分别表示为：
4.根据权利要求1所述基于多核权重化联合域自适应网络的轴承故障...
【技术特征摘要】
1.一种基于多核权重化联合域自适应网络的轴承故障诊断方法，其特征在于，具体步骤为：
2.根据权利要求1所述基于多核权重化联合域自适应网络的轴承故障诊断方法，其特征在于，所述源域和目标域各自的样本数据均包括故障轴承的数据和正常轴承的数据。
3.根据权利要求1所述基于多核权重化联合域自适应网络的轴承故障诊断方法，其特征在于，所述步骤s1中源域的样本数据是有标记的，目标域的样本数据是无标记的；源域和目标域两者的样本数据类别是相同的；源域的样本数据和目标域的样本数据分别表示为：
4....
【专利技术属性】
技术研发人员：李鑫，陈浩，李淑华，邹筱瑜，司垒，魏东，戴剑博，顾进恒，
申请(专利权)人：中国矿业大学，
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。