摘要
本发明涉及一种基于集散流形距离分布差异指标的时变跨域诊断方法,属于机械设备故障诊断技术领域。该方法包括:S1:通过传感器采集机械设备的原始振动信号,然后将采集到的原始振动信号利用滑动采样技术扩充样本数据集;S2:设计基于MELD选择机制和EGMG度量的IDMD;S3:基于IDMD和一维卷积神经网络,构建故障迁移诊断模型;S4:将训练集输入到构建好的故障迁移诊断模型中,利用源域有标签样本分类交叉熵损失函数和源域与目标域之间IDMD分布差异损失函数对模型进行迭代更新训练;S5:经过多次迭代训练,误差曲线趋于稳定,模型训练完成;将验证集输入训练好的模型用于机械设备跨时变工况故障迁移诊断。
技术关键词
诊断方法
格拉斯曼流形
一维卷积神经网络
采集机械设备
机械设备故障诊断技术
高斯混合模型
指标
误差曲线
样本
奇异值分解算法
采样技术
协方差矩阵
表达式
度量
代表
信息熵
概率密度函数
训练集
机制
系统为您推荐了相关专利信息
半导体气体传感器
故障诊断方法
支持向量回归算法
漂移故障
温控
一维卷积神经网络
辐射源
离散傅立叶变换
密度聚类算法
滑动窗口
异常识别方法
波形
时域特征提取
可编程直流电源
电压
故障判别方法
信号特征
神经网络模型
一维卷积神经网络
特征提取方式