[发明专利]基于嵌入区分性的条件对抗域自适应的轴承故障诊断方法

权利要求书

1.一种基于嵌入区分性的条件对抗域自适应的轴承故障诊断方法，包括如下步骤：

S100：通过加速度传感器分别采集在不同工况下运行的高铁牵引电机轴承的第一振动信号和第二振动信号，将所述第一振动信号作为源域数据，其所包含的故障类型是已知的，将所述第二振动信号作为目标域数据，其所包含的故障类型的未知的；

S200：建立包括特征提取器F、标签预测器G和域分类器D的条件对抗域自适应网络；

S300：同时输入有标签的源域数据和无标签的目标域数据对所述条件对抗域自适应网络进行训练，步骤S300具体包括；

S301：将有标签的源域数据和无标签的目标域数据同时输入特征提取器中进行前向传播，提取源域数据和目标域数据的特征，记为f＝F(x)；

S302：将所提取的源域数据和目标域数据的特征输入标签预测器进行前向传播，获得类别标签预测值，记为g＝G(f)；

S303：将所提取的源域数据和目标域数据的特征及类别标签预测值的张量积经域分类器进行前向传播，获得域标签预测值，记为0或1；获得域标签预测值后，根据真实的域标签，可计算得到域分类器的损失，域分类器的损失表示为：

其中，表示期望，表示所有源域样本，表示所有目标域样本，表示用于降低难迁移源域样本的权重，表示第i个源域样本的类别标签预测值，表示属于第c类的源域样本的类别标签预测值，表示用于降低难迁移目标域样本的权重，表示第j个目标域样本的类别标签预测值，表示属于第c类的目标域样本的类别标签预测值，表示第i个源域样本的特征f_i^s与类别标签预测值的张量积，表示第j个目标域样本的特征与类别标签预测值的张量积，为张量积，为第i个源域样本的域标签预测值，为第j个目标域样本的域标签预测值。

S304：根据所述类别标签预测值和域标签预测值，计算得到标签预测器以及域分类器的损失函数，再结合区分性损失函数构造目标函数，目标函数构造完成后，进行反向传播；

S305：重复执行步骤S301到步骤S304，当迭代次数达到设定的最大迭代次数时，条件对抗域自适应网络训练完成；

S400：训练完成后，将无标签的目标域数据输入训练好的条件对抗域自适应网络进行前向传播，所述训练好的条件对抗域自适应网络输出故障预测结果，实现高铁牵引电机轴承故障诊断。

2.根据权利要求1所述的方法，其中，步骤S100中，所述振动信号的源域数据表示为：

其中，表示第i个源域样本，表示与源域样本相对应的故障类别标签，n_s表示源域的样本数目。

3.根据权利要求1所述的方法，其中，步骤S100中，所述振动信号的目标域数据表示为：

其中，表示第i个目标域样本，表示与目标域样本相对应的故障类别标签，n_t表示目标域的样本数目。

4.根据权利要求1所述的方法，其中，步骤S200中，所述特征提取器有卷积层和全连接层构成，用于从输入数据中提取特征；所述标签预测器由全连接层构成，用于对输入特征进行分类；所述域分类器由全连接层构成，用于辨别输入的特征来自于源域还是目标域。

5.根据权利要求1所述的方法，其中，步骤S302中，获得源域数据的类别标签预测值后，根据源域数据的真实标签，可计算获得标签预测器的损失，标签预测器的损失表示为：

其中，表示期望，表示第i个源域样本，表示与源域样本相对应的故障类别标签，表示所有源域样本及故障类别标签，n_c表示类别数目，表示将第i个源域特征预测为第c类的概率，f_i^s表示第i个源域样本的特征。