[发明专利]故障诊断模型的训练方法、装置、电子设备及存储介质

说明书

本申请提供了一种故障诊断模型的训练方法、装置、电子设备及存储介质，其中，该训练方法包括：将第一设备的样本目标域信号和第二设备的样本源域信号分别输入到各自对应的卷积层中，得到第一目标域特征和第一源域特征；将第一目标域特征和第一源域特征分别输入到各自对应的域适配层中，得到第二目标域特征和第二源域特征，基于第二目标域特征和第二源域特征，确定域适配损失；基于第二目标域特征和第二源域特征，确定第一设备分别归属于预设故障类型的第一概率，基于第一概率以及第一设备的目标故障类型，确定第一分类损失；若故障诊断模型的域适配损失和第一分类损失满足第一训练条件，则将当前的故障诊断模型确定为目标故障诊断模型。

技术领域

本申请涉及计算机信息技术领域，具体而言，涉及一种故障诊断模型的训练方法、装置、电子设备及存储介质。

背景技术

滚动轴承作为旋转机械设备中最多且最为关键的部件之一，其健康状态直接影响着旋转机械设备的整体稳定性、可靠性和安全性，因此，对滚动轴承进行状态检测与故障诊断至关重要。

现阶段，通常使用与每种类型的滚动轴承相匹配的监督学习模型，对每种类型的滚动轴承的故障情况进行检测，在对监督学习模型进行训练时，需要获取每种型号的滚动轴承的大量故障数据。

但是，对于精密的滚动轴承，难以获取其大量的故障数据，基于少量的故障数据对监督学习模型进行训练，训练得到的监督学习模型准确度低，进而导致滚动轴承故障诊断效率低。

发明内容

有鉴于此，本申请实施例的目的在于提供一种故障诊断模型的训练方法、装置、电子设备及存储介质，在对第一设备的故障诊断模型进行训练时，将第一设备的目标域信号，以及与第一设备相关联的第二设备的源域信号共同作为训练故障诊断模型的样本信号，增加了模型训练的样本数据，进而提高了故障诊断模型的准确度，提高了第一设备的故障诊断效率。

第一方面，本申请实施例提供了一种故障诊断模型的训练方法，所述故障诊断模型包括卷积层和域适配层，所述训练方法包括：

将第一设备对应的样本目标域信号和第二设备对应的样本源域信号分别输入到各自对应的卷积层中，得到第一目标域特征和第一源域特征；其中，所述第一设备与所述第二设备相关联；

将所述第一目标域特征和所述第一源域特征分别输入到各自对应的域适配层中，得到第二目标域特征和第二源域特征，基于所述第二目标域特征和所述第二源域特征，确定所述故障诊断模型的域适配损失；

基于所述第二目标域特征和所述第二源域特征，确定所述第一设备分别归属于预设故障类型的第一概率，基于所述第一概率以及所述第一设备对应的目标故障类型，确定所述故障诊断模型的第一分类损失；

若所述故障诊断模型的域适配损失和第一分类损失满足第一训练条件，则将当前的故障诊断模型确定为目标故障诊断模型。

在一种可能的实施方式中，所述故障诊断模型还包括域混淆层，所述训练方法还包括：

将所述第二目标域特征和所述第二源域特征输入到各自对应的域混淆层中，得到第三目标域特征和第三源域特征，基于所述第三目标域特征和所述第三源域特征，确定所述故障诊断模型的域混淆损失；

基于所述第三目标域特征和所述第三源域特征，确定所述第一设备分别归属于预设故障类型的第二概率，基于所述第二概率以及所述第一设备对应的目标故障类型，确定所述故障诊断模型的第二分类损失；

若所述故障诊断模型的域适配损失、域混淆损失以及第二分类损失满足第二训练条件，则将当前的故障诊断模型确定为目标故障诊断模型。

在一种可能的实施方式中，所述故障诊断模型对应有多级域适配层，所述基于所述第二目标域特征和所述第二源域特征，确定所述故障诊断模型的域适配损失，包括：