公开(公告)号：CN116401603A

公开(公告)日：2023-07-07

申请号：CN202310463832.6

申请日：2023-04-26

Applicant: 哈尔滨工程大学

Inventor： 王宇华 ,  张迎灿 ,  徐悦竹 ,  张家源

IPC: G06F18/2415 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/21 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/096 ,  G01M13/045

Abstract: 本发明属于机械设备故障诊断领域，具体涉及一种基于迁移学习的多模态轴承故障智能诊断方法，包括采集不同工况下的原始振动信号分别作为源域数据和目标域数据，经过预处理操作获取时域、频域两个观测角度信息，作为模型的多模态输入；构建深度迁移网络模型，通过基于注意力机制的多模态信息融合网络深度挖掘同源数据的多角度表示特征，通过标签分类器及源域标记数据保证故障类别的诊断性能，通过领域鉴别器和子类度量模块分别适配源域和目标域数据的边缘分布和条件分布，动态调整两种分布在迁移过程中的权重，最终形成动态联合分布自适应。寻找域不变特征提高模型在目标域数据上的泛化能力，提高机械设备的跨域故障智能诊断精度。