公开(公告)号：CN117932430A

公开(公告)日：2024-04-26

申请号：CN202410097265.1

申请日：2024-01-24

Applicant: 东北林业大学

Inventor： 李学艺 ,  蒋恩发 ,  苏凯宇 ,  李岱优 ,  解志杰

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/0464

Abstract: 本发明公开了一种将卷积与自注意力综合在迁移学习中的轴承故障诊断方法，其核心是提出了一个名为UniFormer的模型架构，由三个核心模块组成，即动态位置嵌入(DPE)、多头关系聚合器(MHRA)和前馈网络(FFN)，它结合了Transformer和CNN模型的优点。具体来说，首先，通过扩展条件位置编码(CPE)设计DPE，其次在UniFormer模型中设计了具有不同浅层和深层结构的多头关系聚合器，浅层聚合器使用一个小的可学习矩阵来学习局部关系，深层聚合器通过比较来学习全局关系；随后由两个线性层组成的FFN来分别增强每个标记，完成一个UniFormer模块的搭建；再次，以分层的方式逐步整合UniFormer模块来构建模型；最后，将最初在源域(SD)训练的模型应用到目标域(TD)进行故障诊断，并且采用JMMD(Joint Maximum Mean Discrepancy)方法来缩小SD与TD之间的分布差异，弥补源域和目标域的间隙，提高跨域轴承故障诊断的准确性。