[发明专利]一种多源域自适应智能机械故障诊断方法及系统

权利要求书

1.一种多源域自适应智能机械故障诊断方法，其特征在于：包括以下步骤：

获取机械设备的运行状态数据；

利用预设特征提取器对获取的运行状态数据进行特征提取；

将提取到的特征输入到预设分类器中，得到故障分类预测结果；

其中，特征提取器的网络参数根据预设多源域鉴别器的分类损失、源域数据集和目标域数据集的最大均值差异以及分类器根据源域数据集得到的分类损失进行更新；

所述多源域鉴别器包括多源域鉴别模块和最大均值差异模块，每个源域建立一个域鉴别器，对来自第i个源域或目标域的数据，经过特征提取器后得到特征；

第i个鉴别器接收得到的特征，分辨得到的特征来自第i个源域还是目标域，第i个鉴别器只接受来自第i个源域的数据和目标域的数据。

2.如权利要求1所述的多源域自适应智能机械故障诊断方法，其特征在于：

特征提取器为一维卷积神经网络的特征提取器，包括四个一维卷积层，每个卷积层包括一维批量标准化和ReLU激活层、最大池化层，将四个一维卷积层中的第四层卷积层的数据展开，通过全连接层、ReLU激活函数和Dropout层，得到特征提取器的输出。

3.如权利要求1所述的多源域自适应智能机械故障诊断方法，其特征在于：

源域和目标域共享特征空间且数据分布不同。

4.如权利要求1所述的多源域自适应智能机械故障诊断方法，其特征在于：

最大均值差异，包括：

其中，P和Q表示源域数据和目标域数据X^t的分布，f表示重构核希尔伯特空间的映射，H_k表示用核k表示希尔伯特空间。

5.如权利要求1所述的多源域自适应智能机械故障诊断方法，其特征在于：

将获取的运行状态数据进行转置和归一化处理，利用转置和归一化处理后的数据进行特征提取。

6.如权利要求1所述的多源域自适应智能机械故障诊断方法，其特征在于：

目标域数据集中的数据来源与源域数据集中的数据来源属于不同工况。

7.一种多源域自适应智能机械故障诊断系统，其特征在于：包括：

数据获取模块，被配置为：获取机械设备的运行状态数据；

特征提取模块，被配置为：利用预设特征提取器对获取的运行状态数据进行特征提取；

分类预测模块，被配置为：将提取到的特征输入到预设分类器中，得到故障分类预测结果；

其中，特征提取器的网络参数根据预设多源域鉴别器的分类损失、源域数据集和目标域数据集的最大均值差异以及分类器根据源域数据集得到的分类损失进行更新；

所述多源域鉴别器包括多源域鉴别模块和最大均值差异模块，每个源域建立一个域鉴别器，对来自第i个源域或目标域的数据，经过特征提取器后得到特征；

第i个鉴别器接收得到的特征，分辨得到的特征来自第i个源域还是目标域，第i个鉴别器只接受来自第i个源域的数据和目标域的数据。

8.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的多源域自适应智能机械故障诊断方法中的步骤。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的多源域自适应智能机械故障诊断方法中的步骤。