买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学;吉林大学;苏州大学

摘要：本发明涉及机器故障诊断技术领域，公开了一种基于迁移学习的多尺度智能决策方法，包括：获取源域与目标域中的机械故障振动时序长信号，构建源域训练集与目标域训练集；在源域训练集中，对时序分信号进行预处理后，提取时域特征与频域特征，并映射为低维时域特征与低维频域特征；计算特征之间的互相关矩阵，构建互相关损失函数，来训练编码器，获取源域优化时域信号编码器，并迁移至目标域，与初始分类器，组成初始多尺度智能决策模型；对目标域时序分信号进行预测，与其真实标签，构建交叉熵损失函数，训练获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，预处理后分别输入目标多尺度智能决策模型中，获取对应的故障类别。

主权项：1.一种基于迁移学习的多尺度智能决策方法，其特征在于，包括：获取源域与目标域中的机械故障振动时序长信号，按照预设信号长度进行分片，获取多个源域时序分信号与目标域时序分信号，构建源域训练集与目标域训练集；对源域训练集中每个时序分信号均进行数据增强，获取对应的增强时序分信号，输入源域初始时域信号编码器中，获取对应的时域特征；对源域训练集中每个时序分信号均进行连续小波变换，获取对应的频域信号，输入源域初始频域信号编码器中，获取对应的频域特征；将每个时序分信号的时域特征与频域特征，分别输入到维度相同的初始时域映射变换器与初始频域映射变换器中，获取对应的低维时域特征与低维频域特征；基于欧几里得范数，计算每个时序分信号的低维时域特征与低维频域特征之间的互相关矩阵，构建互相关损失函数；基于源域训练集与互相关损失函数，对所述源域初始时域信号编码器与所述源域初始频域信号编码器进行训练，直至互相关损失函数收敛，获取源域优化时域信号编码器与源域优化频域信号编码器；将所述源域优化时域信号编码器初始化为目标域初始时域信号编码器，与初始分类器，组成初始多尺度智能决策模型；获取目标域训练集中的目标域时序分信号及其真实标签，将目标域时序分信号输入所述初始多尺度智能决策模型中，获取对应的预测故障类别标签；基于目标域时序分信号的预测故障类别标签与真实标签，构建交叉熵损失函数，对初始化多尺度智能决策模型进行训练，直至所述交叉熵损失函数收敛，获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，按照预设信号长度进行分片，获取多个时序分信号，分别输入目标多尺度智能决策模型中，获取对应的故障类别。

全文数据：

权利要求：

百度查询： 江南大学 吉林大学 苏州大学 一种基于迁移学习的多尺度智能决策方法