【技术实现步骤摘要】
本专利技术涉及设备剩余使用寿命预测，是一种基于对比域对抗网络的跨设备剩余使用寿命预测方法。
技术介绍
1、基于迁移学习的寿命预测也是围绕跨设备类别和跨设备工况任务展开，现有的基于迁移学习的方法根据迁移的思路可以分为两类，分别是基于特征度量的域适应方法和基于对抗训练的域适应方法。相比较后者，前者更注重特征差异对齐，这种方法往往会忽略寿命预测任务的特殊性，从而忽略特征分布的时间维度差异，在特征分布差异大时，这种思路对剩余使用寿命的预测精度影响大。后者主要是对抗训练策略，相比较前者，不是进行域之间数据的特征对齐，而是混淆域之间的特征分布，从而提高网络在目标任务上的预测能力，虽然这种方法不依赖于度量分布的对齐，但是如何引导对抗的趋势是需要注重的点，尤其是针对寿命预测这种多时序回归任务，其回归的标签相比较分类任务多得多。本专利技术提出了一种对比域对抗网络，可以引导网络的对抗趋势，在实现跨设备任务的同时，保留对时间维度分布的提取，增强网络的泛化性和稳定能力，可以弥补当前方法的缺陷，降低数据驱动方法对理想训练数据的依赖的同时，实现跨设备任务的准确预测...
【技术保护点】
1.一种基于对比域对抗网络的跨设备剩余使用寿命预测方法，其特征是：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：
3.根据权利要求2所述的方法，其特征是：所述步骤2中采用变分自编码器VAE，使用编码部分作为特征提取器G,解码部分作为剩余使用寿命预测回归器P。
4.根据权利要求3所述的方法，其特征是：所述步骤3中在预训练阶段采取的对比样本生成方法是时序Mixup的数据增广方法，通过下式表示Mixup：
5.根据权利要求4所述的方法，其特征是：所述步骤3中对比预训练损失函数包括对比损失以及
<...【技术特征摘要】
1.一种基于对比域对抗网络的跨设备剩余使用寿命预测方法，其特征是：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：
3.根据权利要求2所述的方法，其特征是：所述步骤2中采用变分自编码器vae，使用编码部分作为特征提取器g,解码部分作为剩余使用寿命预测回归器p。
4.根据权利要求3所述的方法，其特征是：所述步骤3中在预训练阶段采取的对比样本生成方法是时序mixup的数据增广方法，通过下式表示mixup：
5.根据权利要求4所述的方法，其特征是：所述步骤3中对...
【专利技术属性】
技术研发人员：俞洋，高天琪，杨智明，向刚，王慎航，林瑞仕，彭宇，
申请(专利权)人：哈尔滨工业大学，
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。