公开(公告)号：CN114444533B

公开(公告)日：2025-03-28

申请号：CN202111256683.3

申请日：2021-10-27

Applicant: 徐州工程学院

Inventor： 卑璐璐 ,  俞啸 ,  厉丹 ,  陈磊 ,  赵文婧

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/2113 ,  G06F18/2415 ,  G06F18/2413 ,  G06N3/047 ,  G06N3/088

Abstract: 本发明提出了一种基于深度自编码器与域不变特征提取的可迁移电机故障诊断方法，首先，采用双树复小波包变换对电机振动信号进行信号处理与混合域特征提取。其次，提出一种基于重要性得分与域间差异度量的域不变特征选取方法，选取具有高故障分辨能力与域不变特性的特征。然后，采用选取的域不变特征对深度自动编码器(源模型)进行预训练以增强深度特征的故障表征能力。将源模型的参数迁移至结构相同的目标模型，并使用目标域的正常状态特征数据微调目标模型。最后，采用微调后的目标模型对目标域故障进行分类。本发明所提出的方法可以明显提高跨域故障诊断准确度，在实际工业场景中具有更强的可用性、稳定性和优势。

公开(公告)号：CN114444533A

公开(公告)日：2022-05-06

申请号：CN202111256683.3

申请日：2021-10-27

Applicant: 徐州工程学院

Inventor： 卑璐璐 ,  俞啸 ,  厉丹 ,  陈磊 ,  赵文婧

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于深度自编码器与域不变特征提取的可迁移电机故障诊断方法，首先，采用双树复小波包变换对电机振动信号进行信号处理与混合域特征提取。其次，提出一种基于重要性得分与域间差异度量的域不变特征选取方法，选取具有高故障分辨能力与域不变特性的特征。然后，采用选取的域不变特征对深度自动编码器(源模型)进行预训练以增强深度特征的故障表征能力。将源模型的参数迁移至结构相同的目标模型，并使用目标域的正常状态特征数据微调目标模型。最后，采用微调后的目标模型对目标域故障进行分类。本发明所提出的方法可以明显提高跨域故障诊断准确度，在实际工业场景中具有更强的可用性、稳定性和优势。