← 返回列表
基于元迁移学习的变工况轴承故障诊断方法
摘要文本
本发明公开了一种基于元迁移学习的变工况轴承故障诊断方法，涉及轴承故障诊断方法技术领域。所述方法包括以下步骤：得到振动信号的频谱；将数据集按照不同工况划分为源域、目标域；将元学习方法与迁移学习方法进行结合，构建基于元迁移学习的RN‑DSAN模型；将源域数据与目标域数据输入RN‑DSAN模型中，将关系网络所得分类损失与LMMD模块所得LMMD损失之和作为模型总的损失函数值，利用反向传播算法进行迭代训练，获取模型参数；将目标域数据输入训练好的RN‑DSAN模型，从而得到目标域样本的故障类型；所述方法可以在只有少量带标签目标域样本的情况下，通过元迁移学习，更加准确的实现变工况下轴承的故障诊断。。来源：百度搜索专利查询网
申请人信息
- 申请人:石家庄铁道大学
- 申请人地址:050043 河北省石家庄市北二环东路17号
- 发明人: 石家庄铁道大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于元迁移学习的变工况轴承故障诊断方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311335263.3 |
| 申请日 | 2023/10/16 |
| 公告号 | CN117390411A |
| 公开日 | 2024/1/12 |
| IPC主分类号 | G06F18/21 |
| 权利人 | 石家庄铁道大学 |
| 发明人 | 赵志宏; 张然; 陶旭; 武超 |
| 地址 | 河北省石家庄市北二环东路17号 |
专利主权项内容
1.一种基于元迁移学习的变工况轴承故障诊断方法，其特征在于包括如下步骤：S1：利用传感器采集不同运行状态下轴承的原始振动信号，利用滑动窗口将信号进行等长截断，对分段后的信号进行快速傅里叶变换，得到振动信号的频谱；S2：将数据集按照不同工况划分为源域、目标域，其中源域与目标域均包含支撑集与查询集；S3：将元学习方法与迁移学习方法进行结合，构建基于元迁移学习的关系网络-深度子领域自适应(RN-DSAN)模型；S4：将源域数据与目标域数据输入RN-DSAN模型中，将关系网络所得分类损失与LMMD模块所得LMMD损失之和作为模型总的损失函数值，利用反向传播算法进行迭代训练，获取模型参数；S5：将目标域数据输入训练好的RN-DSAN模型，从而得到目标域样本的故障类型。