公开(公告)号：CN114021285B

公开(公告)日：2024-04-12

申请号：CN202111362333.5

申请日：2021-11-17

Applicant: 上海大学

Inventor： 柳春 ,  李少杰 ,  汪小帆 ,  任肖强 ,  彭艳 ,  谢少荣 ,  李扬

IPC: G06F30/17 ,  G06F30/27 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/096 ,  G06F111/04 ,  G06F111/08

Abstract: 本发明提供了一种基于相互局部对抗迁移学习的旋转机械故障诊断方法，包括：考虑到目标域数据中隐含的标签信息没有被充分利用，设计了一种相互学习的网络结构来学习可靠的伪标签，进而使得没有标签的目标域数据得以充分利用，从而提高模型性能。相比于单个网络结构来比该模型的鲁棒性更好。考虑到忽略故障的类别信息直接从全局的角度来对齐源域与目标域数据可能会出现对齐偏差的问题，提供多个局部对抗域分类器取代全局对抗域分类器，每个局部对抗域分类器分别对齐每一个类别的源域和目标域特征，以得到更好的相似特征。

公开(公告)号：CN114021285A

公开(公告)日：2022-02-08

申请号：CN202111362333.5

申请日：2021-11-17

Applicant: 上海大学

Inventor： 柳春 ,  李少杰 ,  汪小帆 ,  任肖强 ,  彭艳 ,  谢少荣 ,  李扬

IPC: G06F30/17 ,  G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F111/04 ,  G06F111/08

Abstract: 本发明提供了一种基于相互局部对抗迁移学习的旋转机械故障诊断方法，包括：考虑到目标域数据中隐含的标签信息没有被充分利用，设计了一种相互学习的网络结构来学习可靠的伪标签，进而使得没有标签的目标域数据得以充分利用，从而提高模型性能。相比于单个网络结构来比该模型的鲁棒性更好。考虑到忽略故障的类别信息直接从全局的角度来对齐源域与目标域数据可能会出现对齐偏差的问题，提供多个局部对抗域分类器取代全局对抗域分类器，每个局部对抗域分类器分别对齐每一个类别的源域和目标域特征，以得到更好的相似特征。

公开(公告)号：CN115630299A

公开(公告)日：2023-01-20

申请号：CN202211238858.2

申请日：2022-10-11

Applicant: 上海大学

Inventor： 柳春 ,  李少杰 ,  汪小帆 ,  任肖强 ,  苗中华 ,  刘晗笑 ,  王锴 ,  王婉怡 ,  李扬

IPC: G06F18/214 ,  G06F18/2415

Abstract: 本发明提供了一种基于联合域适应网络的旋转机械故障诊断方法及系统，包括：通过结合一致性正则损失和伪标签，训练得到一个初始的预训练模型，以提高域适应过程中初始阶段的目标域数据的预测精确度；以及通过给目标域无标注数据生成伪标签的方式，提高无标签数据中的故障信息的利用率。