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: 2021109160275
申请人: 山东科技大学
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:

1.一种类加权对齐的局部域适应机械故障诊断方法,其特征在于,包括以下步骤:(1)从试验台采集不同工况下齿轮箱各种健康状态的振动信号;

(2)通过等窗划分,将振动信号分割成样本,用大规模标记样本构造源域,用小规模未标记样本构造目标域;

(3)采用卷积自动编码器建立两个特征提取网络提取源域和目标域的样本特征;

(4)使用提取的源域样本特征预先训练源分类器,让源域样本和目标域样本通过式(1)得到源域分类损失:

其中, 为交叉熵损失函数;ns为源域的采样个数,E为特征提取器,C为分类器, 为源域样本, 为源域标签,i为第i个样本;

(5)将特征提取器输出的目标域样本输入到预先训练的源域分类器中,源域分类器输出作为预测权值,根据式(2)将预测权值转化为一个one‑hot伪标签,利用该标签对目标样本进行分类:

其中,w表示平均预测权重,表示伪标签,t表示目标域,j表示第j个目标域样本;

(6)根据式(3)计算各类权重:其中,k表示类别;

(7)利用预训练源域分类器的目标softmax输出,对跨两个域的共享类分配较大的权重,对无关类分配较小的权重;

(8)在共享分类器中插入一个域差异学习残差块来纠正和缓解域差异,在每个类别中随机选取与目标域样本数量相同的源域样本进行类级对齐,输出类级对齐损失,如式(4)所示:

其中,D表示域差异学习残差块,MK‑MMD表示多重核最大平均差异;

(9)采用联合最大平均差异对跨域的全局特征进行对齐以最大限度地实现全局级知识迁移,根据式(5)得到全局级对齐损失:s s

其中,JMMD表示联合最大平均差异,E(x)和S(x )表示源域数据的共享特征提取器和t t

softmax层输出,E(x)和S(x)表示目标域数据的共享特征提取器和softmax层输出,n等于源域样本ns个数,k1(·,·)和k2(·,·)表示使用不同数量核的高斯核函数;

(10)将式(1)、(4)和(5)组合得到式(6)所示的总的损失函数:L=Ls+α*Lclass+β*Lglobal                       (6)其中,α和β表示平衡损失Lclass和Lglobal的权衡参数。