摘要
本申请提供了一种无监督梯度特征融合旋转机械故障多分类方法和装置,该方法包括:利用生成式对抗网络生成与输入样本相似的生成样本,所述生成式对抗网络学习了从正态分布的随机噪声到健康样本分布的映射;根据输入样本和生成样本,获取生成式对抗网络的生成器梯度特征和鉴别器梯度特征,所述生成器梯度特征和所述鉴别器梯度特征包含输入样本与健康样本的差异信息;对输入样本、生成器梯度特征和鉴别器梯度特征进行降维融合处理,得到降维融合特征;对所述降维融合特征进行凝聚层次聚类,得到聚类标签,并利用真实标签对所述聚类标签进行修正,得到故障分类预测结果。如此,仅基于健康样本实现无监督的多分类故障预测。
技术关键词
生成式对抗网络
旋转机械故障
多分类方法
样本
无监督
融合特征
聚类
标签
局部线性嵌入算法
随机噪声
降维特征
特征选择方法
连续小波变换
分类装置
参数
处理器
信号
模块
存储器
电子设备
系统为您推荐了相关专利信息
网络入侵检测
斯皮尔曼等级相关系数
矩阵
数据
训练分类器
动力电池
车辆热管理系统
长短期记忆网络
电池单体
开启制冷
真实性检测方法
样本
三元组损失函数
深度度量学习
图像
LSTM模型
气体管道
声波换能器
水泥
计算机执行指令