发明公开
- 专利标题: 一种深度对抗迁移学习的滚动轴承故障诊断方法
-
申请号: CN202111123632.3申请日: 2021-09-24
-
公开(公告)号: CN113884300A公开(公告)日: 2022-01-04
- 发明人: 雷文平 , 岳帅旭 , 胡鑫 , 李永耀 , 王宏超 , 陈磊 , 李凌均 , 王丽雅 , 陈宏 , 韩捷
- 申请人: 郑州恩普特科技股份有限公司 , 韩捷
- 申请人地址: 河南省郑州市高新技术产业开发区西三环路149号5幢A座;
- 专利权人: 郑州恩普特科技股份有限公司,韩捷
- 当前专利权人: 郑州恩普特科技股份有限公司,韩捷
- 当前专利权人地址: 河南省郑州市高新技术产业开发区西三环路149号5幢A座;
- 代理机构: 郑州睿信知识产权代理有限公司
- 代理商 吴敏
- 主分类号: G01M13/045
- IPC分类号: G01M13/045 ; G06K9/62 ; G06N3/04 ; G06N3/08
摘要:
本发明涉及一种深度对抗迁移学习的滚动轴承故障诊断方法,属于机械系统智能诊断领域。本发明采用深度对抗迁移学习的网络模型对滚动轴承故障进行诊断,该模型包括特征提取层、故障分类层、全局域对抗层和局部域对抗层。模型采用分类损失、全局域对抗损失和局部故障类对抗损失之和作为损失函数进行训练,确保在训练过程中通过带故障标签的源域数据实现目标域故障的准确分类。本发明能够在有效构建故障分类器的同时,通过域对抗和类别对抗学习保证其源域故障和目标域故障的共有特征属性处于同一分布上,进而减少源域与目标域的特征分布差异,提高了对滚动轴承的故障分类的准确率。