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：山东大学

摘要：本发明提出了一种基于互补决策的开集域适应故障诊断方法及系统，涉及故障诊断技术领域，具体方案包括：获取待诊断设备的振动加速度信号数据；将振动加速度信号数据输入到训练后的故障诊断模型中，进行已知类别和未知类别的故障分类，从而得到开集域适应的故障诊断结果；其中，所述故障诊断模型，采用基于特征增强的有监督对比学习方法在源域上进行学习，将学习到的跨领域知识迁移到目标域，并通过互补决策，从多个角度联合出发，实现目标域中未知类别的分类；本发明利用基于特征增强的有监督对比学习方法，结合互补决策，解决目前跨域开集故障诊断领域存在的问题，保障工业制造的安全和稳定，尽可能避免设备故障导致的财产损失和人员伤亡。

主权项：1.一种基于互补决策的开集域适应故障诊断方法，其特征在于，包括：获取待诊断设备的振动加速度信号数据；将振动加速度信号数据输入到训练后的故障诊断模型中，进行已知类别和未知类别的故障分类，从而得到开集域适应的故障诊断结果；其中，所述故障诊断模型，采用基于特征增强的有监督对比学习方法在源域上进行学习，将学习到的跨领域知识迁移到目标域，并通过互补决策，从多个角度联合出发，实现目标域中未知类别的分类；所述互补决策，是通过分类网络辨别模块、基于原型的特征距离辨别模块、不确定度辨别模块三个模块协调合作，从分类结果、特征距离以及不确定度三个角度联合出发，对无标签的目标域数据进行已知类别和未知类别的故障分类；对于每个无标签的目标域输入数据，在源域训练的特征提取网络会首先对数据进行提取特征，得到提取后的特征后，分别输入到分类网络辨别模块、基于原型的特征距离辨别模块、不确定度辨别模块三个模块，并根据每个模块的判据，综合判断该目标域数据属于某个已知类别或未知类别，在每个模块中都满足判据的数据分类成确定的已知类别，否则该数据分为未知类别；各个模块的工作原理如下：分类网络辨别模块，对于输入的目标域特征，首先利用在源域训练得到的分类网络进行分类，得到分类结果，其中，利用类源域数据集，分类网络在源域的训练损失定义如下： 其中，代表源域的真实标签，代表分类网络的预测结果，b代表批次大小，i代表第i个数据，log代表log函数；训练得到的特征提取网络和分类网络会对每个目标域数据进行判别，以一个任意的数据为例，分类网络会得到分类结果伪标签，具体为： 其中，代表取得最大值时对应的k的取值，C代表分类网络，F代表特征提取网络，num为数据的代号；基于原型的特征距离辨别模块，首先，利用所有训练得到的有标签的源域特征，分别计算得到每一类特征的原型，具体公式如下： 其中，代表源域中属于第k类的样本个数，F代表特征提取网络，代表数据对应的标签，代表特征映射的故障类别,i代表第i个数据；计算特征到每个源域特征原型的欧式距离，并找到该特征到原型距离的最小值，在特征空间中该特征属于此类，具体如下： 其中，代表使取得最小值时对应的k的取值；不确定度辨别模块，不确定度模块判断分类网络对自身分类结果的自信程度，计算得来的不确定度大于预先设定的阈值，则分类网络对此结果不确定，反之，不确定度小于阈值，则认为分类网络对此分类结果有很高的确定度，具体如下： 其中，代表分类网络C将特征提取网络F提取的的特征分类为第i类的概率，分类网络C将特征提取网络F提取的的特征分类为某一类的概率越大，则将其分类为除此类之外的概率越小，通过公式计算得出的不确定度越小，代表分类网络对此结果有很高的确定度；通过分类网络辨别模块、基于原型的特征距离辨别模块、不确定度辨别模块三个模块协调合作，对每个无标签的目标域数据进行未知类判别和具体分类，具体为：分类网络辨别模块和基于原型的特征距离辨别模块，都将数据分类成某个确定的已知类别，而不确定度辨别模块计算的不确定度小于阈值，则将已知类别作为最终预测的故障类别，否则，将未知类别作为最终预测的故障类别，用公式表示为： 其中，为设定的阈值。

全文数据：

权利要求：

百度查询： 山东大学 一种基于互补决策的开集域适应故障诊断方法及系统