-
公开(公告)号：CN117828520A
公开(公告)日：2024-04-05
申请号：CN202311363476.7
申请日：2023-10-19
Applicant: 华南理工大学
IPC: G06F18/25 , G06F18/2415 , G06N3/0464 , G06N3/096 , G01M13/045
Abstract: 本发明公开了一种基于多源域深度迁移的变工况滚动轴承故障诊断方法，根据源域和目标域的相关度计算权重，基于权重构建相关度高的辅助源域，设计特征提取器隔离低相关源域信息的干扰，通过Wasserstein距离对齐分类器输出，并采用加权决策构建多源深度迁移学习模型。针对数据分布对齐错误的问题，利用模型训练前期和后期伪标签可靠性不同的特性，在模型训练前期通过MMD距离对齐源域和目标域的特征分布，在训练后期生成可信度高的伪标签，并引入LMMD距离和三元组损失更细粒度地对齐特征分布。本发明通过将迁移旧工况的知识向新工况迁移，以实现更可靠的变工况滚动轴承故障诊断。
Search Results
1
records
(took 0.019 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
