摘要
本发明涉及一种基于多核判别联合概率最大均值差异的轴承故障诊断方法和系统。故障诊断方法包括如下步骤:将采集到的原始振动信号构建标签源域与无标签目标域;提取所述源域与所述目标域的特征,依次输入全连接层;使用源域数据训练神经网络,构建独热码矩阵和伪标签矩阵;计算所述神经网络的经验风险;计算多核判别联合概率最大均值差异;构建深度联合概率适应网络;构建整体目标函数;将所述整体目标函数放入所述深度联合概率适应网络执行训练,使用训练好的深度联合概率适应网络执行故障诊断。本发明提出的故障诊断方法,在整体对齐源域分布和目标域的分布的基础上,增加了不同类之间的距离,保证了模型的迁移性和可鉴别性。
技术关键词
轴承故障诊断方法
数据训练神经网络
机器可读指令
执行故障诊断
标签
矩阵
样本
轴承故障诊断系统
人工智能芯片
风险
故障诊断模块
特征提取模块
索引
显卡
计算机系统
处理器
系统为您推荐了相关专利信息
场景意图
意图识别模型
识别方法
词嵌入向量
文本
标记医学图像
医学图像分割模型
医学图像分割方法
解码器
分割医学图像
磁盘故障预测方法
故障分析模型
时间段
训练特征
样本