摘要
本发明提出了基于域泛化的轴承故障诊断方法,由已知工况的数据训练出的模型进行未知工况故障诊断。本发明通过多尺度融合与注意力机制来提取原始信号数据的有效特征片段,经过共享特征提取器和私有特征提取器的深度提取,再通过互信息损失、差异性损失、相似性损失、MMD损失函数的计算叠加权重参数求和,通过反向传播和梯度优化的方式更新模型参数,最后在训练过程中保存最优的模型,将未知工况的数据集进行测试并可视化的反馈模型精度,更加直观的反应出模型的泛化能力。其步骤如下:(1)风机轴承与齿轮数据采集;(2)原始数据采样及切片;(3)搭建网络提取数据特征;(4)损失函数处理;(5)模型训练与测试;(6)模型结果比较,将结果汇总成可视化图像。
技术关键词
轴承故障诊断方法
多尺度特征融合
Sigmoid函数
编码器
输出特征
工况
数据
协方差矩阵
代表
多尺度注意力机制
通道
更新模型参数
深度神经网络
风机轴承
子模块
支路
统计特征
分支
系统为您推荐了相关专利信息
模型训练方法
视觉特征
标签特征
视频帧特征
摘要
车辆可行驶区域
车道
融合特征
分支
交叉注意力机制
视频生成方法
多模态
视频图像特征
文本
视频生成装置
数据安全方法
编码器算法
医药
强化学习算法
光照传感器
偏好评估方法
神经网络训练
分支
多层感知机
文本