摘要
本发明涉及互联网大数据和单轨齿轮箱故障诊断领域,具体涉及一种基于动力学建模和通用域适应的单轨齿轮箱故障诊断方法,包括:将跨座式单轨齿轮箱数据输入训练好的故障诊断模型中输出预测故障标签;模型的训练步骤包括:将源域的样本输入特征提取器进行特征提取得到源域样本特征;将源域样本特征输入标签分类器中输出预测故障标签;计算源域分类损失;计算多分类器损失;计算混淆数据正则化损失;计算开放集熵损失;基于源域分类损失、多分类器损失、混淆数据正则化损失和开放集熵损失计算总损失并反向优化模型参数,直至模型收敛或达到最大迭代次数。本发明能够提高模型的训练效率以及单轨齿轮箱故障诊断的准确性和可靠性。
技术关键词
样本
多分类器
标签
故障诊断模型
特征提取器
故障类别
齿轮箱故障诊断
互联网大数据
跨座式单轨
软阈值函数
数字孪生技术
数字孪生模型
训练集
注意力机制
网络
系统为您推荐了相关专利信息
身份识别方法
预训练模型
融合特征
概率线性判别分析
回声
甲基化标志物
随机森林模型
基因突变信息
位点
特征选择算法
编码特征
融合图像特征
图像去雾模型
浅层特征提取
雾天图像
动态任务分配方法
方向盘握力
人机交互系统
注意力
传感器健康状态
海洋环境参数
海洋环境数据
海洋环境实时监测
预警方法
矩阵