[发明专利]一种风电机组齿轮箱故障的迁移诊断方法在审
| 申请号： | 201811161076.7 | 申请日： | 2018-09-30 |
| 公开（公告）号： | CN109376620A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 马远驰;刘永前;程鸣;杨志凌;韩爽;李莉;张路娜 | 申请（专利权）人： | 华北电力大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 朱琨 |
| 地址： | 102206 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于风电机组状态监测与故障诊断技术领域，尤其涉及一种风电机组齿轮箱故障的迁移诊断方法，包括：建立四个神经网络结构，分别为源域特征提取器、目标域特征提取器、域分类器和域判别器；用带标注的源域数据通过前向传播计算得到预测标签值，根据预测标签和实际标签计算得到网络训练损失函数，采用反向传播算法对源域特征提取器和域分类器进行预训练；用源域数据和目标域数据通过前向传播依次计算得到源域特征、目标域特征和域判别器的损失函数，用反向传播算法分别依次对域判别器和目标域特征提取器进行训练；将新获取的目标域数据输入目标域特征提取器，计算得到特征，将特征输入得到的域分类器得出该新数据的预测标签。 | ||
| 搜索关键词： | 特征提取器 目标域 源域 风电机组 分类器 判别器 标签 齿轮箱故障 反向传播 前向传播 数据通过 损失函数 算法 预测 状态监测与故障诊断技术 迁移 神经网络结构 数据输入目标 诊断 特征输入 网络训练 新数据 标注 | ||
【主权项】：
1.一种风电机组齿轮箱故障的迁移诊断方法，其特征在于，包括以下步骤：步骤1：建立四个神经网络结构，分别为源域特征提取器、目标域特征提取器、域分类器和域判别器；步骤2：用带标注的源域数据通过前向传播计算得到预测标签值，根据预测标签和实际标签计算得到网络训练损失函数，采用反向传播算法对源域特征提取器和域分类器进行预训练；步骤3：用源域数据和目标域数据通过前向传播依次计算得到源域特征、目标域特征和域判别器的损失函数，用反向传播算法分别依次对域判别器和目标域特征提取器进行训练；步骤4：将新获取的目标域数据输入目标域特征提取器，计算得到特征，将特征输入步骤2中得到的域分类器得出该新数据的预测标签。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华北电力大学，未经华北电力大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811161076.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种细胞检测方法
- 下一篇：一种样本数据生成方法、装置以及机器人
