CN114398992B 一种基于无监督域适应的智能故障诊断方法 （安徽大学）_第1页
CN114398992B 一种基于无监督域适应的智能故障诊断方法 （安徽大学）_第2页
CN114398992B 一种基于无监督域适应的智能故障诊断方法 （安徽大学）_第3页
CN114398992B 一种基于无监督域适应的智能故障诊断方法 （安徽大学）_第4页
CN114398992B 一种基于无监督域适应的智能故障诊断方法 （安徽大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于无监督域适应的智能故障诊断方法本发明公开了一种基于无监督域适应的智带有故障标签标注的目标零件信号作为源域信号，获取无标注的目标零件信号作为目标域信用源域样本和目标域样本训练预设的域适应模2获取带有故障标签标注的目标零件信号作为源域信号，获对所述源域信号和所述目标域信号进行预处理，得到多个源域样本和多个目标域样使用所述源域样本和所述目标域样本训练预设的域适应模型使用训练好的所述域适应模型进行所述目标零使用所述源域样本和所述目标域样本训练预设的域适应模型将所述源域特征和所述目标域特征输入所述分类器，预测所述源域样将所述分类器输出的带有故障标签的源域特征和目标域特征，通3c表示样本属于第C类的概率；将无标记的目标域样本放入训练好的域适应模型中进4[0006]在本发明实施提供了一种基于无监督域适应的智能故障诊断方法，所述方法包号作为目标域信号；所述目标零件信号为用于判断目标零件是否发生故障的传感器数据；56[0041]图1为本发明实施例提供的一种基于无监督域适应的智能故障诊断方法的流程[0043]图3为本发明实施例提供的另一种基于无监督域适应的智能故障诊断方法的流程7等。本发明使用无监督域适应模型训练诊断网络，训练样本为带故障标签的源域信号充分捕捉特征表示和类别信息之间的交互作用，借用了CGANs(ConditionalGenerative8φ2和φ3分别表示域鉴别器D1、[0066]在一种实现方式中，用于优化目标函数的算法可以由工作人员根据经验进行选9[0077]一种实现方式中，通过在特征提取器的全连接层引入MMD来衡量源域特征和目标[0083]其中，D()为域鉴别器的操预测结果，g;表示对第j个目标域样本分类器的预测结果，Dm表示F,(x:)表示第m层卷积对第i个源域样本提取的特征，表示第m层卷积对第j个目标域发明实施例提供的基于无监督域适应的智能故障诊断方法效果好。从任务(2)情况下的数而使用域适应方法的网络总体都达到了0.6以上，本发明实施例提供的基于无监督域适应的智能故障诊断方法精确度达到0.792。以上结果充分表明了本发明实施例提供的基于无

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论