[发明专利]基于部分域适应的故障诊断方法和装置、存储介质和终端

权利要求书

1.一种部分域适应的故障诊断方法，包括：

基于实训特征提取器对待检测数据进行特征提取，以获取所述待检测数据的多尺度特征图数据；

将所述待检测数据的多尺度特征图数据分别输入到实训故障分类器组中的每个故障分类器中，以获取每个所述故障分类器输出的故障概率结果；

求取所有所述故障概率结果中每种故障类型的概率平均值，并基于所有故障类型的概率平均值确定所述待检测数据的故障诊断结果。

2.根据权利要求1所述的方法，其特征在于，所述实训特征提取器和所述实训故障分类器组的获取过程包括：

构建初级故障诊断模型，所述初级故障诊断模型包括特征提取器、域判别器、故障分类器组以及损失计算器；

获取待训练数据集合，按预设分组方式对所述待训练数据集合内的所有待训练数据进行分组，以获取多组待训练数据组，每个所述待训练数据组中的待训练数据均被划分为源域数据子集合和目标域数据子集合；

基于所述待训练数据集合对当前基础故障诊断模型进行训练，以获取阶段故障诊断模型，判断实际训练轮次N是否小于训练轮次阈值，若是则将当前所述阶段故障诊断模型作为基础故障诊断模型，且所述实际训练轮次N加1，并重新基于所述待训练数据集合对当前基础故障诊断模型进行训练，否则将当前所述阶段故障诊断模型作为实训故障诊断模型，并将所述实训故障诊断模型中的特征提取器作为实训特征提取器，将所述实训故障诊断模型中的故障分类器组作为实训故障分类器组；

其中，所述实际训练轮次N初始值为1，且当所述实际训练轮次N为1时，当前所述基础故障诊断模型为初级故障诊断模型。

3.根据权利要求2所述的方法，其特征在于，基于所述待训练数据集合对当前基础故障诊断模型进行训练，以获取阶段故障诊断模型包括：

将所述待训练数据集合中的第M组待训练数据组作为待输入训练数据组；

基于所述待输入训练数据组对当前临时故障诊断模型进行训练，以得到调整故障诊断模型，判断M是否小于待训练数据组总组数，若是则将当前所述调整故障诊断模型作为临时故障诊断模型，且M加1，并重新确定待输入训练数据组，否则将当前所述调整故障诊断模型作为阶段故障诊断模型；

其中，M的初始值为1，且当M为1时，当前所述临时故障诊断模型为基础故障诊断模型。

4.根据权利要求3所述的方法，其特征在于，基于所述待输入训练数据组对临时故障诊断模型进行训练，以得到调整故障诊断模型包括：

通过临时故障诊断模型中的特征提取器对待输入训练数据组中的所有待训练数据进行特征提取，以获取所述待输入训练数据组中每个所述待训练数据的多尺度特征图数据；

将所述待输入训练数据组中所有所述待训练数据的多尺度特征图数据分别输入到临时故障诊断模型中的域判别器中，以获取所述待输入训练数据组中所有所述待训练数据的所属域概率；

利用临时故障诊断模型中的损失计算器，基于所述待输入训练数据组中每个待训练数据的所属域概率及其真实所属域，计算所述待输入训练数据组中每个待训练数据的域判别器损失，以及所述待输入训练数据组的平均域判别器损失；

利用临时故障诊断模型中的损失计算器，基于所述待输入训练数据组源域数据子集合中每个待训练数据的域判别器损失，计算所述待输入训练数据组的平均源域离群值损失；

将所述待输入训练数据组中所有所述待训练数据的多尺度特征图数据分别输入到临时故障诊断模型中故障分类器组中的每个故障分类器中，以获取所述待输入训练数据组中每个所述待训练数据的故障概率结果组；

利用临时故障诊断模型中的损失计算器，基于所述待输入训练数据组源域数据子集合中每个所述待训练数据的故障概率结果组，获取所述待输入训练数据组的平均源域分类器损失，并基于所述待输入训练数据组目标域数据子集合中每个所述待训练数据的故障概率结果组，获取所述待输入训练数据组的平均目标域分类器差异损失；

基于所述待输入训练数据组的平均域判别器损失、平均源域离群值损失、平均源域分类器损失和平均目标域分类器差异损失，计算所述临时故障诊断模型中所有基础参数的梯度，并基于所述临时故障诊断模型中所有基础参数的梯度对所述临时故障诊断模型的所有基础参数进行调整，以获取调整故障诊断模型。