摘要
本发明涉及转动设备故障诊断技术领域,公开了一种转动设备跨工况开集故障诊断方法及装置,该方法包括:构建源域数据集和目标域数据集;其中,源域数据集包含第一运行工况下具有故障状态标签的转动设备振动数据,目标域数据集包括第二运行工况下转动设备振动数据;利用源域数据集和目标域数据集对深度神经网络进行训练,得到训练后的深度神经网络;深度神经网络包括特征提取器、概率神经网络、域鉴别器和未知类检测器;利用训练后的深度神经网络对目标域数据集进行开集分类,得到转动设备跨工况开集故障类别。本发明实现了对不同工况下转动设备故障类别的准确识别,提高了对转动设备的故障诊断的准确度。
技术关键词
深度神经网络
故障诊断方法
数据
故障类别
工况
特征提取器
检测器
设备故障诊断技术
指示值
故障诊断装置
样本
可读存储介质
指令
标签
计算机程序产品
存储器
处理器
计算机设备
模块
系统为您推荐了相关专利信息
轮毂缺陷
多尺度特征
表面缺陷检测
特征提取模块
粒子群优化算法
纸质文档
光学传感器模块
光学字符识别软件
触觉传感器
声学传感器
智能辅助系统
预测模型训练
特征提取模块
权重分配机制
LightGBM模型
合并触发机制
数据一致性校验
数据更新
事件处理技术
模式识别技术