摘要
本发明涉及故障诊断技术领域,尤其涉及一种轴承故障诊断方法及系统。本发明通过构建故障诊断模型,分别提取每个批次内各个样本的因果特征与混淆特征;对于批次内每个样本,将该样本与其对应每个正样本的因果特征之间的距离与深度特征之间的距离的差值,作为该样本与其对应每个正样本的特征差;将该样本与其对应每个负样本的因果特征之间的距离与深度特征之间的距离的差值,作为该样本与其对应每个负样本的特征差;基于批次内所有样本与其对应每个正样本的特征差、每个负样本的特征差,构建因果损失函数;利用因果损失函数、交叉熵损失,对故障诊断模型进行训练。本发明有效提升了轴承故障诊断精度和泛化能力。
技术关键词
轴承故障诊断方法
故障诊断模型
样本
深度特征提取
风格
注意力
图像生成网络
通道
轴承故障诊断系统
深度特征集合
标签
特征提取模块
故障特征频率
故障诊断技术
信号
重构
诊断模块
系统为您推荐了相关专利信息
漂流浮标
梯度提升机
状态监测方法
多层感知机
数字孪生模型
数据分析系统
设备运行参数
支持向量机模型
矿井
帽带
原型
分类网络
样本
数据分类模型训练
K均值聚类算法