摘要
本发明公开了一种变工况下基于PHM的故障诊断方法,旨在解决传统方法因工况变化导致数据分布偏移、诊断精度下降的问题。包括如下步骤:通过传感器采集设备在不同工况下的振动信号,划分为带标签的源域和无标签的目标域数据;构建DVWAN模型,采用轻量化Transformer提取时序与全局特征,结合基于Wasserstein距离的域对抗模块实现跨工况特征对齐,并通过方差约束优化特征空间分布,增强同类特征的聚集性和类间区分度;最终由分类模块输出故障诊断结果。本发明在变工况故障诊断系统中构建了一种创新的DVWAN模型架构,通过多模块协同实现跨工况的信号特征对齐与故障分类,有效提升故障诊断的精度和适应性,为设备的健康管理提供更精准的决策支持。
技术关键词
故障诊断方法
变工况
传感器采集设备
特征提取模块
特征提取网络
故障类别
故障诊断系统
惩罚策略
前馈神经网络
工况特征
标签
信号特征
时序特征
数据分布
滑动窗口
多模块
系统为您推荐了相关专利信息
检索图像
转移概率矩阵
列表
图像检索重排序方法
图像检索方法
石榴病害
石榴病虫害
智能推荐系统
多尺度特征融合
注意力机制
矿山设备智能
智能故障诊断方法
瞬态温度场
红外热像仪
振动加速度传感器