公开(公告)号：CN112629863B

公开(公告)日：2022-03-01

申请号：CN202011632478.8

申请日：2020-12-31

Applicant: 苏州大学

Inventor： 刘双劼 ,  王旭 ,  沈长青 ,  王冬 ,  冯毅雄 ,  申永军 ,  陈再刚 ,  张爱文 ,  江星星 ,  石娟娟 ,  黄伟国 ,  王俊 ,  杜贵府 ,  朱忠奎

IPC: G01M13/045 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种变工况下动态联合分布对齐网络的轴承故障诊断方法，包括以下步骤：采集不同工况下的轴承振动数据，获得源域样本和目标域样本；构建动态联合分布对齐的深度卷积神经网络模型；将源域样本和目标域样本同时送入参数初始化的深度卷积神经网络模型，特征提取器提取源域样本和目标域样本的高层次特征；计算边缘分布距离和条件分布距离；根据边缘分布距离和条件分布距离获得联合分布距离，将联合分布距离与标签损失结合以获得目标函数；利用随机梯度下降法对目标函数进行优化，训练深度卷积神经网络模型。其能够降低域漂移的影响，使得深度学习模型能够很好完成变工况下的故障诊断任务，速度快，运算量小。

公开(公告)号：CN112629863A

公开(公告)日：2021-04-09

申请号：CN202011632478.8

申请日：2020-12-31

Applicant: 苏州大学

Inventor： 刘双劼 ,  王旭 ,  沈长青 ,  王冬 ,  冯毅雄 ,  申永军 ,  陈再刚 ,  张爱文 ,  江星星 ,  石娟娟 ,  黄伟国 ,  王俊 ,  杜贵府 ,  朱忠奎

IPC: G01M13/045 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种变工况下动态联合分布对齐网络的轴承故障诊断方法，包括以下步骤：采集不同工况下的轴承振动数据，获得源域样本和目标域样本；构建动态联合分布对齐的深度卷积神经网络模型；将源域样本和目标域样本同时送入参数初始化的深度卷积神经网络模型，特征提取器提取源域样本和目标域样本的高层次特征；计算边缘分布距离和条件分布距离；根据边缘分布距离和条件分布距离获得联合分布距离，将联合分布距离与标签损失结合以获得目标函数；利用随机梯度下降法对目标函数进行优化，训练深度卷积神经网络模型。其能够降低域漂移的影响，使得深度学习模型能够很好完成变工况下的故障诊断任务，速度快，运算量小。