公开(公告)号：CN115712859A

公开(公告)日：2023-02-24

申请号：CN202211467912.0

申请日：2022-11-22

申请人： 杭州电子科技大学

发明人： 何志伟 ,  郑骁蓉 ,  邵怡宁 ,  董哲康 ,  高明煜

IPC分类号： G06F18/241 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06F17/10

摘要： 本发明公开了一种基于精细化特征解耦的多源域设备故障诊断方法，本发明将领域特征分为域间不变特征、域内不变特征和域特定特征并利用对应的特征提取器提取，域间不变特征和域内不变特征分别关注跨域学习的知识和每个领域内在的故障类别知识，域特定特征体现每个领域独有的知识，特征解耦有利于精准的得到和故障诊断任务相关的知识；利用CORAL距离衡量域间不变特征差异和域特定特征差异，利用CENTER距离衡量域内不变特征差异，得到域适应损失；组合域间不变特征和域内不变特征作为域不变特征，计算分类损失；分类损失和域适应损失相加得到总损失函数值，通过反向传播迭代更新优化模型参数。

公开(公告)号：CN116805051A

公开(公告)日：2023-09-26

申请号：CN202310744126.9

申请日：2023-06-21

申请人： 杭州电子科技大学

发明人： 何志伟 ,  邵怡宁 ,  郑骁蓉 ,  李平 ,  高明煜

IPC分类号： G06F18/24 ,  G06N3/0464 ,  G06F18/213 ,  G06F18/25 ,  G06N3/084 ,  G06F18/2131 ,  G06N3/094 ,  G06N3/0475

摘要： 本发明公开了基于注意力机制的双卷积动态域适应设备故障诊断方法，首先按不同工况将数据分为源域与目标域数据；将数据输入特征提取器，提取可转移特征；将特征作为输入，对抗训练分类器和域鉴别器，计算分类器和域鉴别损失；对每种类别样本分别利用LMMD度量准则计算差异度量损失；计算自适应因子，构建域适应损失；域适应损失和分类损失相加得到总损失函数值，通过反向传播迭代更新优化模型参数，得到最终模型；将目标域数据输入最终模型，输出故障诊断结果。该方法通过动态地调节边缘分布和条件分布在整体数据分布中的重要性，使模型可以更有针对性地对不同工况下的数据集进行迁移，实现精确故障诊断。

公开(公告)号：CN115758259A

公开(公告)日：2023-03-07

申请号：CN202211467902.7

申请日：2022-11-22

申请人： 杭州电子科技大学

发明人： 何志伟 ,  郑骁蓉 ,  邵怡宁 ,  董哲康 ,  高明煜

IPC分类号： G06F18/2415 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06F17/18

摘要： 本发明公开了一种基于特征融合的多源域泛化设备故障诊断方法，本发明的特征融合策略利用领域判别器的输出得到数据的领域属性条件，将特征提取器提取的特征和领域判别器的输出进行多线性映射得到融合后的特征；利用LMMD衡量成对源域的特征差异，计算多个源域对的特征差异得到域适应损失；根据不同数据的所述领域为其分配相应的领域标签，计算领域判别器的领域判别损失；域适应损失、领域判别损失和分类损失相加得到总损失函数值，通过反向传播迭代更新优化模型参数。本发明将不同源域的领域属性条件和相应源域的特征进行融合，并调整成对源域融合后的特征分布偏差，增强了模型在未知工况的目标域上的泛化能力，提高了模型诊断准确率。