龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：安徽大学
摘要：本发明公开了基于DACODL框架的旋转机械跨域故障诊断方法，包括：根据所述不同工况下的振动数据，构建源域数据集和目标域数据集；根据目标域数据集进行数据增强得到目标域数据集的增强数据集；构建诊断模型，并通过源域数据集、目标域数据及增强数据集和跨域mixup生成虚拟数据集对诊断模型进行训练；基于上述数据集利用置信的阶次级跨域mixup损失、动态标签分布感知正则化的交叉熵损失、联合分布多层适配损失以及域对抗损失对诊断模型进行迭代训练；得到最终诊断模型，对最终诊断模型进行测试，通过测试后的最终诊断模型被用于对目标工况下旋转机械的振动数据，得到旋转机械跨域故障诊断结果。
主权项：1.基于DACODL框架的旋转机械跨域故障诊断方法，其特征在于，包括：S1.获取不同工况下旋转机械的振动数据，根据所述不同工况下的振动数据，构建带标签的源域数据集和无标签的目标域数据集，其中标签为故障诊断结果；S2.对所述源域数据集和目标域数据集进行计算阶次追踪变换及其他预处理，并根据目标域数据集进行数据增强得到目标域数据集的增强数据集；S3.构建诊断模型并设置超参数；S4.在每轮次的训练过程中，通过诊断模型对预处理后的目标域数据处理，得到高置信样本及伪标签，将高置信样本及伪标签存储到当前轮次的样本存储器中；S5.在当前轮次的训练中，从上一轮次的样本储存器中自适应采样，并将采样结果与本轮次的源域样本进行阶次级mixup操作，得到虚拟数据集，其中虚拟数据集包括虚拟样本及对应标签；S6.将预处理后的源域数据集和目标域数据集、增强数据集和虚拟数据集对所述诊断模型进行训练；S7.计算当前轮次中训练的诊断模型的总损失，根据当前轮次的总损失对所述诊断模型的模型参数进行更新；S8.重复上述S4-S7，直到训练轮次达到最大次数，得到最终诊断模型；S9.对最终诊断模型进行测试，通过测试后的最终诊断模型对当前工况下旋转机械的振动数据，得到旋转机械跨域故障诊断结果。
全文数据：
权利要求：
百度查询： 安徽大学 基于DACODL框架的旋转机械跨域故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号