基于双重学习的对抗互补跨域开集故障迁移诊断方法技术

本发明专利技术公开了基于双重学习的对抗互补跨域开集故障迁移诊断方法，具体按照以下步骤实施：步骤1、采用滑动窗口法构建数据集；步骤2、构建特征提取器，通过特征提取器对输入的故障数据实现故障信息的提取；步骤3、将步骤2中的特征信息输入到通道注意力机制DICAM中；步骤4、将步骤3中DICAM的输出结果分别输入到故障分类器、PAC模块和域分类器中，实现对未知故障和已知故障的诊断。本发明专利技术解决了现有技术中存在的对于未知故障识别效果较差，从而造成对已知故障信息的混淆问题，提高模型在跨域开集情况下的诊断准确率。

【技术实现步骤摘要】

本专利技术属于工业系统故障诊断，具体涉及基于双重学习的对抗互补跨域开集故障迁移诊断方法。

技术介绍

1、机械设备在现代工业工程中占据着重要地位。然而，设备的性能可能受到人为操作因素和运行环境的影响，进而导致出现故障。当机械设备发生故障时，不仅会对经济造成重大损失，还可能严重危害人员的生命安全。因此，确保机械设备的安全稳定运行是必不可少的。目前的诊断方法主要针对闭集情况，也就是故障类型不存在未知情况。但这种假设在实际的应用中并不能常常满足。因此，对于开集问题即实现对未知故障类型诊断的研究是急需的。

技术实现思路

1、本专利技术的目的是提供基于双重学习的对抗互补跨域开集故障迁移诊断方法，解决了现有技术中存在的对于未知故障识别效果较差，从而造成对已知故障信息的混淆问题，提高模型在跨域开集情况下的诊断准确率。

2、本专利技术所采用的技术方案是，基于双重学习的对抗互补跨域开集故障迁移诊断方法，具体按照以下步骤实施：

3、步骤1、采用滑动窗口法构建数据集；

4、步骤2、构建特征提取器，本文档来自技高网...

【技术保护点】

1.基于双重学习的对抗互补跨域开集故障迁移诊断方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述的基于双重学习的对抗互补跨域开集故障迁移诊断方法，其特征在于，所述步骤1中选择三个公开的滚动轴承数据集进行验证，由于每个数据集下的数据特点不尽相同，因此将分别针对每个信号进行介绍：

3.根据权利要求2所述的基于双重学习的对抗互补跨域开集故障迁移诊断方法，其特征在于，所述步骤1中第2个数据集为江南大学数据集JNU，在该数据集中存在两种电机转速，每个转速下包含1种正常状态和3种不同类别的故障状态，通过滑动窗口构建样本集，每个样本集包含100个样本，每个样本的长...

【技术特征摘要】

1.基于双重学习的对抗互补跨域开集故障迁移诊断方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述的基于双重学习的对抗互补跨域开集故障迁移诊断方法，其特征在于，所述步骤1中选择三个公开的滚动轴承数据集进行验证，由于每个数据集下的数据特点不尽相同，因此将分别针对每个信号进行介绍：

3.根据权利要求2所述的基于双重学习的对抗互补跨域开集故障迁移诊断方法，其特征在于，所述步骤1中第2个数据集为江南大学数据集jnu，在该数据集中存在两种电机转速，每个转速下包含1种正常状态和3种不同类别的故障状态，通过滑动窗口构建样本集，每个样本集包含100个样本，每个样本的长度为2048个振动加速度数据，将构建好的数据集划分为训练集和验证集，其中训练集和验证集的比例是7:3。

4.根据权利要求3所述的基于双重学习的对抗互补跨域开集故障迁移诊断方法，其特征在于，所述步骤1中第3个数据集为德国...

【专利技术属性】
技术研发人员：金永泽，宋小豪，杨延西，刘俊琪，梁莉莉，黑新宏，柳宇，杨旭博，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：