摘要
本发明用于轴承故障诊断技术领域,具体公开了一种多源域无监督域自适应轴承故障诊断方法,包括以下步骤:S1.采集不同工况的振动信号,经过预处理步骤,分别得到多个源域数据集和目标域数据集;S2.建立轴承故障诊断模型的网。该多源域无监督域自适应轴承故障诊断方法,本发明中通过样本加权机制,为与目标域相似度高的源域样本赋予更大权重,同时借助预测熵量化目标域样本的混淆程度并调整权重,能有效降低不相似样本和易混淆样本对轴承诊断过程的干扰,结合多源域信息融合模块,通过沃斯坦森距离计算源域与目标域的差异并分配权重,实现多源域分类结果的加权融合。
技术关键词
轴承故障诊断方法
样本
故障分类器
特征提取器
故障诊断模型
卷积模块
辅助分类器
故障类别
轴承故障诊断技术
数据
工况
标签
网络
故障特征
节点
表达式
信号
参数
系统为您推荐了相关专利信息
深度时空特征
风电机组
特征提取模块
时空融合特征
注意力机制
承载能力评估方法
分布式电源
电网结构
贝叶斯网络模型
历史负荷数据
非金属夹杂物
掩膜
后处理模块
夹杂物信息
分类神经网络
雷达点云分割方法
语义分割模型
神经网络架构
标签
数据