【技术实现步骤摘要】
本专利技术涉及跨域故障诊断，具体涉及一种无监督域自适应的设备故障诊断方法。
技术介绍
1、在现代工业和医疗领域，对机器的健康状况进行实时监测和预测性维护是至关重要的。这通常涉及到对机器运行时产生的音频信号进行分析，以识别其是否处于正常工作状态或是否存在故障。然而，由于不同机器的工作环境、使用频率和机器型号的差异，收集到的音频数据在特征上可能会有显著的不同。这些差异可能导致基于单一数据源训练的模型在新的机器或环境中性能下降，即所谓的域偏移问题，同时对大量繁杂的数据进行标注往往需要花费极大的成本，因此如何利用迁移学习解决在无标签的情景中不同机器之间的域偏移问题引起了人们的广泛关注。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种无监督域自适应的设备故障诊断方法。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、一种无监督域自适应的设备故障诊断方法，包括以下步骤：
4、步骤一，采集各种机器在不同健康状况下的音频信号，对部分机器的音频信号标注...
【技术保护点】
1.一种无监督域自适应的设备故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无监督域自适应的设备故障诊断方法，其特征在于，步骤一具体包括：
3.根据权利要求1所述的一种无监督域自适应的设备故障诊断方法，其特征在于，所述小波包分解，具体包括：
4.根据权利要求3所述的一种无监督域自适应的设备故障诊断方法，其特征在于，所述频带自适应注意力机制使用两层全连接网络生成注意力权重，通过可学习的注意力权重φi对每个频带特征对应的卷积特征hi进行加权，得到加权融合特征：
5.根据权利要求4所述的一种无监督域自适应...
【技术特征摘要】
1.一种无监督域自适应的设备故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无监督域自适应的设备故障诊断方法，其特征在于，步骤一具体包括：
3.根据权利要求1所述的一种无监督域自适应的设备故障诊断方法，其特征在于，所述小波包分解，具体包括：
4.根据权利要求3所述的一种无监督域自适应的设备故障诊断方法，其特征在于，所述频带自适应注意力机制使用两层全连接网络生成注意力权重，通过可学习的注意力权重φi对每个频带特征对应的卷积特征hi进行加权，得到加权融合特征：
5.根据权利要求4所述的一种无监督域自适应的设备故障诊断方法，其特征在于，所述特征融合层通过残差连接和自适应加权策略将加权融合特征fmswpc和全局特征f′trans进行加权融合，得到融合特征f：
6.根据权利要求2所述的一种无监督域自适应的设备故障诊断方法，其特征在于，所述域鉴别器和特征提取器的对抗性训练，具体包括：将源域样本的音频信号以及目标域样本的音频信号输入到小波增强多尺度变换器网络后，分别提取出源域共享特征和目标域共享特征域鉴别器d接收来自特征提取器的共享特征，并对相应的音频信号进行域分类，源域样本的音频信号的故障类别标签设置为0，目标域样本的音频信号的故障类别标签设置为1，则域鉴别器损失lda为：
7.根据权利要求6所述的一种无监督域自适应的设备故障诊断方法，其特征在于，所述生成目标域伪标签和置信度，具体包括：利用标签分类器gy对源域样本的音频信号...
【专利技术属性】
技术研发人员：赵云波，何创创，康宇，吕文君，
申请(专利权)人：中国科学技术大学，
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。