摘要
本发明提供了一种基于源域归因对齐的可解释域自适应故障诊断方法,包括如下步骤:构造包括跨域特征提取器、域判别器以及故障分类器的对抗域自适应网络;基于信号处理知识计算输入监测信号的包络谱特征,并借助故障诊断模型训练中的决策结果计算源域样本的积分梯度包络谱特征;设计归因对齐损失,通过最大均值差异对齐源域样本的物理包络谱特征与模型决策生成的归因包络谱特征;同步优化域判别损失、故障分类损失及源域归因对齐损失。本发明充分关注了源域训练阶段模型决策与物理特征的一致性,为域自适应过程引入物理规律约束,使域自适应模型学习到同时满足物理规律与决策逻辑的跨域数据特征,能够提升模型的故障诊断精度和可解释性。
技术关键词
归因
故障分类器
故障诊断方法
特征提取器
包络
故障诊断模型
故障类别
样本
傅里叶变换方法
决策
信号处理
深度卷积神经网络
输出特征
物理
标签
高斯核函数
梯度算法
基线
系统为您推荐了相关专利信息
次数检测方法
有载分接开关动作
降噪滤波
Morlet小波变换
形态学滤波
数据包络分析模型
转型方法
评价指标体系
松弛
层次结构模型
特征提取模型
融合特征
多尺度特征提取
注意力
交通信号灯
超高分子量聚乙烯
故障诊断方法
动态增量
因子
粉碎装置