动态工况下旋转机械早期故障诊断方法及系统技术方案

本发明专利技术公开了一种动态工况下旋转机械早期故障诊断方法及系统，涉及智能故障诊断技术领域，其包括：S1、数据准备；2、训练DA‑WGAN模型并进行数据扩容，其包括：S21、生成对抗网络；S22、引入GAN模型的有条件版本：C‑GAN模型，并定义C‑GAN的目标函数，实现类标签的输入；S23、使用Wasserstein距离作为真实数据分布和生成数据分布之间距离的度量，并采用梯度惩罚方法(GP)满足Lipschitz连续性条件，定义GP的目标函数S24、通过二元交叉熵损失函数实现域对抗损失函数，并基于域对抗损失函数和改进的目标函数定义DA‑WGAN损失，完成生成模型中域识别器的搭建和域对抗损失的设置。本申请具有改善旋转机械早期故障诊断标签样本不足的问题的效果。

【技术实现步骤摘要】

本申请涉及智能故障诊断，尤其是涉及一种动态工况下旋转机械早期故障诊断方法及系统。

技术介绍

1、旋转机械(如切削刀具、轴承、齿轮箱等)广泛应用于机械、石化等诸多行业，对设备的正常运行有重要影响，部件故障轻则影响产品的加工质量和工作效率，重则可能造成重大机械事故和人员伤亡。因此，采用可靠、快速的在线监测技术对旋转机械进行早期故障诊断，以避免设备状况恶化、效率降低和意外故障，是非常重要的。

2、随着深度学习理论和方法的快速发展，其以数据为基础进行模式识别的监测原理收到工业界广泛关注并取得了很多良好的成果。然而，深度学习模型需要大量有标签样本才能得到优良的分类效果，这对于旋转机械的早期故障而言难度很大，因为变工况条件下，难以对每个工况下的数据样本进行类别标记，尤其是早期故障特征，这为数据驱动的动态工况下的早期故障识别提出了挑战。

技术实现思路

1、为了改善旋转机械早期故障诊断标签样本不足的问题，本申请提供一种动态工况下旋转机械早期故障诊断方法及系统。

2、第一方面，本申请提供一种动态工况下旋本文档来自技高网...

【技术保护点】

1.一种动态工况下旋转机械早期故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于，所述生成对抗网络，其包括：

3.根据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于，所述C-GAN的目标函数包括：

4.据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于，所述Wasserstein距离对应的公式包括：

5.根据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于，所述目标函数其包括：

6.根据权利要求1所述的动态工况下旋转机械早期故障诊断...

【技术特征摘要】

1.一种动态工况下旋转机械早期故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于，所述生成对抗网络，其包括：

3.根据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于，所述c-gan的目标函数包括：

4.据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于，所述wasserstein距离对应的公式包括：

5.根据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于，所述目标函数其包括：

6.根据权利要求1所述的动态工况下旋转机械早期故障诊断方法，其特征在于：所述训练基于注意力机制的多尺度迁移学习分类模型包括建立无监督域自适应框架；所述建立无监督域自适应框架，其包括：

7.根据权利要...

【专利技术属性】
技术研发人员：黄俊峰，周余庆，曾令镒，钟美鹏，时强，徐桂昌，
申请(专利权)人：浙江欧迪恩传动科技股份有限公司，
类型：发明
国别省市：