公开(公告)号：CN108344574B

公开(公告)日：2019-09-10

申请号：CN201810400868.9

申请日：2018-04-28

申请人： 湖南科技大学

发明人： 刘朝华 ,  陆碧良 ,  李小花 ,  孟旭东 ,  李鑫

IPC分类号： G01M13/045

摘要： 本发明公开了一种基于深度联合适配网络的风电机组轴承故障诊断方法，包括以下步骤：1）建立多元融合数据库：2）建立深度联合适配模型：3）建立深度联合适配网络的风电机组轴承故障诊断模型：4）构建多GPU集群计算系统。本发明根据不同的实际工况监测中训练数据与目标数据分布差异特性，探索了领域之间不变特征表示和概率分布差异修正机制，提出了基于领域间联合分布适配与共有特征深度学习融合机制的故障目标识别策略，能够利用深度自编码网络的优势，无需人为地选择特征，能自动地提取出更为良好、抽象、高级的特征，并减小分类算法的运算复杂度，尤其适用于多噪声、大数据、结构复杂、动态的系统。

公开(公告)号：CN108344574A

公开(公告)日：2018-07-31

申请号：CN201810400868.9

申请日：2018-04-28

申请人： 湖南科技大学

发明人： 刘朝华 ,  陆碧良 ,  李小花 ,  孟旭东 ,  李鑫

IPC分类号： G01M13/04

摘要： 本发明公开了一种基于深度联合适配网络的风电机组轴承故障诊断方法，包括以下步骤：1）建立多元融合数据库：2）建立深度联合适配模型：3）建立深度联合适配网络的风电机组轴承故障诊断模型：4）构建多GPU集群计算系统。本发明根据不同的实际工况监测中训练数据与目标数据分布差异特性，探索了领域之间不变特征表示和概率分布差异修正机制，提出了基于领域间联合分布适配与共有特征深度学习融合机制的故障目标识别策略，能够利用深度自编码网络的优势，无需人为地选择特征，能自动地提取出更为良好、抽象、高级的特征，并减小分类算法的运算复杂度，尤其适用于多噪声、大数据、结构复杂、动态的系统。