摘要
本发明提出了一种基于互补决策的开集域适应故障诊断方法及系统,涉及故障诊断技术领域,具体方案包括:获取待诊断设备的振动加速度信号数据;将振动加速度信号数据输入到训练后的故障诊断模型中,进行已知类别和未知类别的故障分类,从而得到开集域适应的故障诊断结果;其中,所述故障诊断模型,采用基于特征增强的有监督对比学习方法在源域上进行学习,将学习到的跨领域知识迁移到目标域,并通过互补决策,从多个角度联合出发,实现目标域中未知类别的分类;本发明利用基于特征增强的有监督对比学习方法,结合互补决策,解决目前跨域开集故障诊断领域存在的问题,保障工业制造的安全和稳定,尽可能避免设备故障导致的财产损失和人员伤亡。
技术关键词
分类网络
特征提取网络
振动加速度信号
代表
故障诊断方法
故障诊断模型
故障类别
计算机可读指令
原型
学习方法
决策
标签
数据分类
诊断设备
非暂时性
故障诊断系统
故障诊断技术
故障诊断模块
系统为您推荐了相关专利信息
融合知识图谱
辅助决策方法
灰狼优化算法
措施
知识图谱构建
滤光片结构
反向设计方法
分类网络
前馈神经网络
数据
励磁系统
故障诊断方法
多源运行数据
故障报警信号
长短期记忆网络