欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021100429816
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于数据混剪技术的热泵故障诊断模型迁移方法,其特征在于,所述方法包括以下步骤:

1).搭建实验热泵系统,要求与待诊断真实热泵系统结构相似,模拟各类故障状态,采集故障标记数据,即源域数据集;

2).利用源域数据集训练深度模型,获取源域系统上可用的故障诊断模型;

3).采集待诊断目标热泵系统运行数据,需在目标系统全新时及时采集,保证热泵为健康状态;

4).将目标数据集进行局部剪切,并覆盖源域数据的对应部位,形成合成数据,数据的标签为软标签,即源域数据标签和健康类别按照剪切局部面积占比的分配,两者和为1,剪切局部的位置使用随机策略;

5).利用合成数据联合源域数据对诊断模型进行再训练,达到模型迁移的目的;

6).利用迁移完成的故障诊断模型对目标系统进行在线监测,实现故障诊断的目的。

2.如权利要求1所述的一种基于数据混剪技术的热泵故障诊断模型迁移方法,其特征在于,所述步骤1)中,选择数据集作为源域数据集,获取8种类别故障标记数据,故障标签以one‑hot编码形式表示,用于诊断模型监督训练,数据集使用arctan((data/μ)/σ)进行归一化处理。

3.如权利要求1或2所述的一种基于数据混剪技术的热泵故障诊断模型迁移方法,其特征在于,所述步骤2)中,热泵运行数据是多维时序数据,将其按照设定的时间段分割后,就变成了一个个矩阵数据;构建基于卷积神经网络的故障诊断模型,模型包含5层卷积层,后接128神经单元的全连接层,然后接softmax分类层;利用源域数据集监督训练深度模型,训练轮数100轮,batch‑size64,优化器Adam,最终实现源域诊断模型训练。

4.如权利要求1或2所述的一种基于数据混剪技术的热泵故障诊断模型迁移方法,其特征在于,所述步骤3)中,选择数据集作为目标域数据,抽取其中健康类别数据组成各自的目标域数据集。

5.如权利要求1或2所述的一种基于数据混剪技术的热泵故障诊断模型迁移方法,其特征在于,所述步骤4)的过程为:

401)进行数据混剪:首先,利用随机数生成方式,决策出局部剪切块的位置和大小,位置以随机数生成的起点(x,y)坐标为准,大小不超过矩阵数据的1/4,即长宽上限均为一半;

402)将全类别源域数据进行局部替换,即源域数据对应位置替换成目标域剪切数据块,生成合成数据;

403)从新构建数据软标签,原始标签以one‑hot编码方式呈现,新标签根据局部剪切块的面积生成。

6.如权利要求1或2所述的一种基于数据混剪技术的热泵故障诊断模型迁移方法,其特征在于,所述步骤5)中,利用合成数据联合源域数据同时对诊断模型再训练,合成数据量和源域数据量保证相同,训练轮数为50轮,batch‑size为64,优化器Adam,再次训练完毕的模型实现了迁移效果。