摘要
本申请公开了一种滚动轴承深度通用域自适应跨工况故障诊断方法和装置及介质,可应用于滚动轴承智能故障诊断技术领域。本申请通过含有故障类型标签的源域数据和不含故障类型标签的目标域数据,对包含特征提取器、二元分类网络和对抗性域鉴别器的故障诊断模型进行训练,并计算训练过程中的损失函数,然后根据总损失函数和预设模型参数优化算法调整故障诊断模型的模型参数,以实现源域训练集和目标域训练集之间共享类特征分布对齐,并根据置信度阈值鉴别目标域数据集的私有故障类型;当故障诊断模型的训练迭代次数大于或等于最大迭代次数,通过目标域测试集对训练后的故障诊断模型进行测试,从而可以提高故障诊断模型在进行故障诊断的准确度。
技术关键词
故障诊断模型
原始故障数据
分类网络
样本
参数优化算法
滚动轴承
置信度阈值
特征提取器
分类器
故障诊断方法
训练集
对抗性
工况
标签
故障诊断装置
无故障
可读存储介质
计算机装置
系统为您推荐了相关专利信息
图谱
计算机程序产品
推荐系统算法
协方差矩阵
实体
LDA主题模型
地名识别方法
主动学习方法
查询策略
文本