CN115618267B 无监督域自适应及熵优化的设备传感诊断方法及系统 （重庆大学）_第1页
CN115618267B 无监督域自适应及熵优化的设备传感诊断方法及系统 （重庆大学）_第2页
CN115618267B 无监督域自适应及熵优化的设备传感诊断方法及系统 （重庆大学）_第3页
CN115618267B 无监督域自适应及熵优化的设备传感诊断方法及系统 （重庆大学）_第4页
CN115618267B 无监督域自适应及熵优化的设备传感诊断方法及系统 （重庆大学）_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

FaultDiagnosisBasedonUns无监督域自适应及熵优化的设备传感诊断无监督域自适应及熵优化的设备传感诊断本在故障诊断模型的特征提取模块和特征识别域无标签训练样本在故障诊断模型上进行一致输入到已经训练好的诊断模型中并得出设备健康状态。通过将RandAugment技术和域自适应技2标签样本在故障诊断模型的特征提取模块和特征识别步骤4：从数据存储库中剩余域中随机选择一个为目标域，并对其随机取样划分数据τ)2步骤4.6：将目标域无标签训练集条件熵损失和条件分布距离与分类损失结合在一起3步骤5：将目标域无标签且未参与训练的样本输入到已经训练好的诊断模型中并得出在设备上采集一维时间序列振动传感信号，通过格拉姆角场算法预处理该一维数据，修改ReNet50网络结构，将最后一个线性层替换为具有Xavier初始化权值且无偏置的4步骤4.6.2：将分类交叉熵损失和条件分布距离损失与条件熵损失结合在一起形成要5.一种采用如权利要求1至4中任一项所述的无监督域自适应及熵优化的设备传感诊特征一致性模块，用于判断自训练算法生成的伪样本和真特征识别模块，用于将目标域无标签且未参与训练的样本识别，6.根据权利要求5所述的采用无监督域自适应及熵优化设备传感诊断方法的系统，其模块的基础是RandAugment技术5和数据不平衡下基于无监督域自适应和卷积神经网络熵优[0002]滚动轴承是机械设备(如制药装置)中使用广泛但容易因细小故障而失效的部件结合RandAugment技术和域自适应技术的数据增强策略，在数据不平衡和多工况下提高故将有标签样本在故障诊断模型的特征提取模块和特征6步骤3源域训练的模型的基础上，利用数据增强策略将目标域无标签训练样本在故障诊断[0010]步骤5：将目标域无标签且未参与训练的样本输入到已经训练好的诊断模型中并[0012]在设备上采集一维时间序列振动信号，通过格拉姆角场[0016]修改ReNet50网络结构，将最后一个线性层替换为具有Xavier初始化权值且无偏[0025]步骤4.6：将目标域无标签训练集条件熵7本相对应的健康类别。征一致性模块的基础是RandAugment技8[0060]实验数据采用西安交通大学的轴承数据集，以64khz的采样频率采集LDKUER204将有标签样本在故障诊断模型的特征提取模块和特征步骤3模型的基础上，利用数据增强策略将目标域无标签训练样本在故障诊断模型上进行[0066]步骤5：将目标域无标签且未参与训练的样本输入到已经训练好的诊断模型中并9[0074]在设备上采集一维时间序列振动信号，通过格拉姆角场[0079]修改ReNet50网络结构，将最后一个线性层替换为具有Xavier初始化权值且无偏[0088]步骤4.6：将目标域无标签训练集条件熵可知，8个任务下模型的平均诊断精度达到99.32说明本发明在多工况和数据不平衡条

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