【技术实现步骤摘要】
本专利技术涉及旋转机械状态监测，具体涉及一种数据筛选方法、旋转机械状态监测方法以及系统。
技术介绍
1、轴承和齿轮是机械设备传动系统的关键部件，同时也是更容易发生故障的部件，尤其是针对旋转机械。更重要的是，如果不及时检测出轴承和齿轮的故障，则可能导致无法挽回的损失。因此，对于轴承和齿轮进行故障诊断是必要的且有价值的。
2、随着传感器技术和计算机技术的发展，基于深度学习的机械设备故障诊断方法在数据和算力的支持下得到了广泛关注。相比于传统信号分析方法，基于深度学习的故障诊断方法减少了人工的干预，在降低了成本的基础上提高了诊断的效率。因此，基于深度学习的故障诊断方法是未来推动工业发展的一个重要助力。然而，当前对于基于深度学习的故障诊断方法的研究仍然面临着许多难题。例如深度学习故障诊断方法通常需要大量的带有标签的标注数据，以及它们通常只在训练数据和待诊断数据处于同一数据分布情况下才能有良好的效果。需要大量的标签意味着需要消耗大量的时间成本和人力成本。此外，考虑到机械设备在运行过程中工况尤其是转速是频繁变动的，因此训练数据和待诊断数据...
【技术保护点】
1.一种数据筛选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的数据筛选方法，其特征在于，对未标记数据进行伪标签标记的步骤为：
3.根据权利要求1所述的数据筛选方法，其特征在于，
4.根据权利要求1所述的数据筛选方法，其特征在于，分别对每个类特征提取器进行训练，训练过程中采用类特征对比学习损失函数对训练过程进行监督，基于训练完成后的类特征提取器对待筛选数据进行筛选；
5.一种基于半监督域泛化的旋转机械状态监测方法,其特征在于，包括以下步骤：
6.根据权利要求5所述的基于半监督域泛化的旋转机械状态监测...
【技术特征摘要】
1.一种数据筛选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的数据筛选方法，其特征在于，对未标记数据进行伪标签标记的步骤为：
3.根据权利要求1所述的数据筛选方法，其特征在于，
4.根据权利要求1所述的数据筛选方法，其特征在于，分别对每个类特征提取器进行训练，训练过程中采用类特征对比学习损失函数对训练过程进行监督，基于训练完成后的类特征提取器对待筛选数据进行筛选；
5.一种基于半监督域泛化的旋转机械状态监测方法,其特征在于，包括以下步骤：
...
【专利技术属性】
技术研发人员：王利明，高雨昂，蒲元跃，李静，黄文彬，
申请(专利权)人：重庆大学，
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。