【技术实现步骤摘要】
本专利技术属于工业设备智能运维相关，更具体地，涉及一种用于旋转机械的智能故障诊断方法及系统。
技术介绍
1、旋转机械在现代工业中被广泛应用。旋转机械故障会造成严重的安全隐患，并且会导致巨大的维修成本。为保障设备正常运行，工业生产中常设置设备运维部门进行设备故障诊断和运维，设备的故障诊断也正由传统的信号分析方法慢慢转向基于机器学习的智能诊断方法。
2、近年来，随着传感器和人工智能技术的发展，深度学习越来越多地应用于机械故障诊断，并取得了很好的效果。常用的诊断模型包括卷积神经网络、递归神经网络和自动编码器等。这些具有良好效果的深度学习模型与充足的标注训练样本密不可分。即现有智能故障诊断技术依赖充足的标注训练数据，且收集到的样本需要满足同分布条件。为了能够精准的实现故障诊断，通常需要收集目标工况的样本以针对目标工况进行训练，这也使得训练好的诊断模型只能针对特定目标工况做出准确判断，一旦设备工况发生变化，模型便难以做出准确判断。
3、由于机器设备的运行操作条件多样且不同机器设备物理特性各异，在训练阶段和应用阶段数据分布差...
【技术保护点】
1.一种用于旋转机械的智能故障诊断方法，其特征在于，包括：
2.如权利要求1所述的用于旋转机械的智能故障诊断方法，其特征在于，S2中所述特征融合模块用于对来自同一源域的所述振动特征和所述声学特征进行融合获取同域连接特征，以及对来自不同源域的所述振动特征和所述声学特征进行融合获取跨域连接特征；
3.如权利要求2所述的用于旋转机械的智能故障诊断方法，其特征在于，所述同域连接特征zid具体为：
4.如权利要求2所述的用于旋转机械的智能故障诊断方法，其特征在于，S3包括：以最大化所述同域统一特征和所述跨域统一特征之间的互信息为目标对所述特征...
【技术特征摘要】
1.一种用于旋转机械的智能故障诊断方法，其特征在于，包括：
2.如权利要求1所述的用于旋转机械的智能故障诊断方法，其特征在于，s2中所述特征融合模块用于对来自同一源域的所述振动特征和所述声学特征进行融合获取同域连接特征，以及对来自不同源域的所述振动特征和所述声学特征进行融合获取跨域连接特征；
3.如权利要求2所述的用于旋转机械的智能故障诊断方法，其特征在于，所述同域连接特征zid具体为：
4.如权利要求2所述的用于旋转机械的智能故障诊断方法，其特征在于，s3包括：以最大化所述同域统一特征和所述跨域统一特征之间的互信息为目标对所述特征映射模块进行训练。
5.如权利要求4所述的用于旋转机械的智能故障诊断方法，其特征在于，以最大化所述同域统一特征和所述跨域统一特征之间的互信息为目标对所述特征映射模块进行训练，具体包括：
6.如权利要求1-5中任一项所述的用于旋转机械的智能故障诊断方法，其特征在于，s2中所述分类模块包括振动状态分类器、声学状态分类器和...
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。