摘要
本发明涉及故障诊断技术领域,公开了一种多工况故障诊断方法及系统,该方法包括:构建训练样本集和测试样本集,构建训练样本集和测试样本集的故障类型训练标签矩阵和测试标签矩阵,以及工况类别训练标签矩阵和测试标签矩阵;构建故障诊断模型;构建故障诊断模型总体损失函数;将源域工况、目标域工况的训练样本集输入故障诊断模型进行模型训练,获得故障诊断模型的最优模型参数;将目标域测试集输入至最优故障诊断模型,进行测试;输出故障类型分类结果和工况类别结果。解决了多工况下牵引电机故障特征混叠造成诊断误报率漏报率低的问题,可以有效应对多工况下电机故障诊断难问题,提高电机及其控制系统安全性、可靠性。
技术关键词
故障诊断模型
工况
特征提取器
矩阵
故障诊断方法
标签
训练样本集
数据
传感器
参数
随机梯度下降
牵引电机
电机故障诊断
故障诊断系统
故障诊断技术
故障类别
故障特征
元素
变量
系统为您推荐了相关专利信息
三维仿真模型
交互方法
事件监听器
多路径
仿真数据
分布式温度
热失控预警方法
电池组
故障工况
光纤传感器
阵列天线接收信号
ADMM算法
估计方法
构建深度神经网络
DOA估计
神经网络模型
数据采集层
驱动信号
多维特征向量
服务器散热控制