摘要
一种基于时频域协同特征对齐的无监督域自适应故障诊断方法,采集源域数据和目标域数据;利用共享卷积神经网络构建时频特征提取模块,并在提取时域与频域特征时进行时频协同学习;以对时域和频域特征分别进行细粒度类别内的分布对齐;采用多层全连接层构建域分类判别器网络;基于时频融合特征的统一域对抗训练机制,对时频特征提取模块进行训练;利用时域分类器和频域分类器构建双分类器协同决策模块;基于时频特征提取模块、域自适应学习模块和双分类器协同决策模块形成跨域故障诊断模型;利用跨域故障诊断模型进行在线诊断作业。该方法能够精准识别复杂工业设备在多变工况下的故障状态。
技术关键词
故障诊断方法
特征提取模块
分类器
故障诊断模型
共享卷积神经网络
时域特征
数据
样本
决策
信号
标签
融合策略
传感器组
时序特征
频域特征提取
参数
融合特征
滑动窗口
系统为您推荐了相关专利信息
智能调度模型
金属板材
设备健康等级
智能调度系统
子模块
样本生成方法
贝叶斯模型
鲁棒性
检测器
预训练模型
烟叶香型
近红外光谱特征
香型烟叶
模型训练方法
分类方法