摘要
本发明属于轴承寿命预测相关技术领域,其公开了一种轴承剩余寿命预测模型的迁移学习方法及电子设备。方法包括:构建自适应对抗网络,其包括适应于第一工况的轴承剩余寿命预测模型以及分类器,通过小波包变换将两种故障工况的轴承振动信号转换至时频域,得到第一工况下的样本集X1和第二工况下的样本集X2,通过元学习算法优化自适应对抗网络的参数,固定特征提取器和生成器的网络参数,以最小化分类器的分类损失为目标优化分类器的网络参数,固定分类器的网络参数,以最小化总损失为目标优化特征提取器和生成器的网络参数,以上方法可以利用较少的标记数据便能训练出适用于其他不同工况且预测精度较高的轴承剩余寿命预测模型。
技术关键词
轴承剩余寿命预测
迁移学习方法
分类器
样本
预测轴承剩余寿命
特征提取器
元学习算法
网络
轴承寿命预测
参数
随机森林
电子设备
故障工况
计算机程序产品
处理器
表达式
度函数
可读存储介质
系统为您推荐了相关专利信息
XGBoost模型
LSTM模型
Pearson相关系数
Q学习算法
电站运行数据
参数调节方法
车载音响
训练样本数据
音响系统
音频
软件缺陷倾向预测方法
空间变换模型
项目
异构
多层感知机