一种基于DATL模型的机电装备故障诊断方法与系统技术方案

一种基于DATL模型的机电装备故障诊断方法与系统，方法包括：在设备上装配多个不同类型的检测传感器，利用多个不同类型的检测传感器采集机电装备的实时数据，然后对实时数据进行预处理；构建DATL模型；利用外部数据集对DATL模型进行训练，得到训练后的DATL模型；对训练后的DATL模型进行压缩，将压缩后的DATL模型部署在智能诊断系统上；采用静态阈值法、自适应阈值法或可学习阈值法的联合机制设定正常阈值，对处理后的实时数据进行故障预测，输出预测结果，将正常阈值和预测结果进行比较，若超出正常阈值，设备控制模块发出报警。本发明专利技术用于机电装备故障实时诊断，诊断精度高，鲁棒性高。

【技术实现步骤摘要】

本专利技术涉及机电装备故障诊断，特别涉及一种基于datl模型的机电装备故障诊断方法与系统。

技术介绍

1、现有工业设备故障诊断技术通常包括传统信号处理方法和基于深度学习的方法。传统方法如傅里叶变换、小波分析等依赖人工提取特征，难以充分捕获设备运行的隐含信息；随着深度学习的发展，cnn、rnn等自动特征提取模型被提出并取得一定效果。但现有研究仍然存在缺陷：单一网络结构在多维时序数据上特征表达能力不足，导致诊断精度有限；另一方面，训练得到的模型往往针对特定设备或工况，对不同域的泛化适应性差，无法很好地应对环境变化。此外，现有故障诊断模型通常结构庞大，参数量大，造成模型冗余度高、计算复杂度高，难以满足现场工业环境中对实时性和资源约束的要求。在边缘计算场景下，资源受限的边缘设备对模型部署提出了更高要求，进一步制约了故障诊断技术的推广应用。综上所述，目前工业设备故障诊断技术仍需在特征提取能力、跨域泛化能力和部署效率等方面进一步提升。

2、尽管dann（domain-adversarial neural network）模型在领域适应任务中取得了较好的效果本文档来自技高网...

【技术保护点】

1.一种基于DATL模型的机电装备故障诊断方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于DATL模型的机电装备故障诊断方法，其特征在于，所述S1具体包括如下步骤：

3.根据权利要求2所述的基于DATL模型的机电装备故障诊断方法，其特征在于，所述S12中离散序列具体如下：

4.根据权利要求3所述的基于DATL模型的机电装备故障诊断方法，其特征在于，所述S17中标准正态化的频域幅值特征向量的计算式为：

5.根据权利要求4所述的基于DATL模型的机电装备故障诊断方法，其特征在于，所述特征提取器包括串联的时域卷积模型TCN和三层长短...

【技术特征摘要】

1.一种基于datl模型的机电装备故障诊断方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于datl模型的机电装备故障诊断方法，其特征在于，所述s1具体包括如下步骤：

3.根据权利要求2所述的基于datl模型的机电装备故障诊断方法，其特征在于，所述s12中离散序列具体如下：

4.根据权利要求3所述的基于datl模型的机电装备故障诊断方法，其特征在于，所述s17中标准正态化的频域幅值特征向量的计算式为：

5.根据权利要求4所述的基于datl模型的机电装备故障诊断方法，其特征在于，所述特征提取器包括串联的时域卷积模型tcn和三层长短期记忆人工神经模型lstm，第一层和第二层均为双向长短期记忆人工神经模型lstm，最后...

【专利技术属性】
技术研发人员：张细政，曾力京，谢泓宇，廖俊羽，卢张宇，周海彬，刘若源，王清，金圣炜，何海华，邹嘉怡，谢溢文，
申请(专利权)人：湖南工程学院，
类型：发明
国别省市：