一种基于DSECJAN的智能故障诊断方法
公开
摘要
本发明公开了一种基于DSECJAN的智能故障诊断方法，该方法由卷积神经网络特征提取模块、挤压和激励模块、故障分类模块、联合域适应模块组成，用于设备智能跨域故障诊断。构建一维卷积神经网络特征提取模块，然后通过挤压和激励模块对通道特征进行自适应增强或抑制，利用联合域适应对齐源域和目标域输入特征和输出标签联合分布，以实现故障智能诊断。该模型能够自适应增强对跨域诊断较重要的通道特征，并抑制一些对学习任务无效的信息。显著提高了设备故障诊断模型在目标域上的诊断准确率，解决了深度学习智能故障诊断算法在目标域上泛化能力不强的问题。
基本信息
专利标题 ：
一种基于DSECJAN的智能故障诊断方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580288A
申请号 ：
CN202210225165.3
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-09
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
何志伟刘才明郑骁蓉董哲康高明煜
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市下沙高教园区2号大街
代理机构 ：
杭州君度专利代理事务所(特殊普通合伙)
代理人 ：
杨舟涛
优先权 ：
CN202210225165.3
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/04 G06N3/08 G06F111/10
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
