[发明专利]一种基于对抗迁移学习的多工况电机故障诊断方法及系统

权利要求书

1.一种基于对抗迁移学习的多工况电机故障诊断方法，其特征在于，包括：

S1：根据预先构建的源域数据集和目标域数据集构建训练样本集和测试样本集；

S2：根据所述训练样本集确定训练样本集源域特征和训练样本集目标域特征；

S3：将所述训练样本集源域特征和训练样本集目标域特征进行融合和增强处理，分别得到融合特征和增强特征；

S4：分别构建标签分类器模型、全局域判别器模型以及局部域判别器模型，根据所述标签分类器模型、全局域判别器模型以及局部域判别器模型的输出，分别构建标签分类器损失函数、全局域判别器损失函数和局部域判别器损失函数，并得到故障诊断模型损失函数；

S5：根据所述故障诊断模型损失函数构建训练最优故障诊断模型参数，根据所述最优故障诊断模型参数、所述测试样本集训练得到目标模型；

S6：根据待测电机的实时传感器信号和所述目标模型确定所述待测电机的诊断结果。

2.根据权利要求1所述的基于对抗迁移学习的多工况电机故障诊断方法，其特征在于，所述S1包括：

S11：采集电机在第一设定转速下正常状态和C类故障运行状态下的传感器信号其中分别表示正常、第1类、…、第c类、…、第C类故障运行状态下传感器信号的采样点数，c＝0,1,...,C，n表示传感器数量，将该转速下采集的数据视为源域，构建源域数据集源域数据集D_S所对应的类别标签为对应的域标签为y_d＝0，带标签的源域数据集表示为

采集电机在第二设定转速下正常状态和C类故障运行状态下的传感器信号其中分别表示正常、第1类、…、第c类、…、第C类故障运行下传感器信号的采样点数，将该转速下采集的数据视为目标域，构建目标域数据集目标域数据集D_T所对应的类别标签为对应的域标签为y_d＝1，带标签的目标域数据集表示为R表示实数集；

S12：以窗口大小为Win、步长为Stp对源域数据集D_S中的数据做时间滑窗，经时间滑窗后构建数据集为其中表示样本数，计算公式满足如下关系式：

式中，floor表示向下取整；

以窗口大小为Win、步长为Stp分别对源域数据集D_S中所有C+1类运行状态下所有数据做时间滑窗，经时间滑窗后构建数据集为分别表示时间滑窗后构建数据集的样本个数，利用经时间滑窗后的源域数据构建源域样本集l_s为源域样本集的样本数，其大小表示为：

源域样本集D_s所对应的类别标签为带标签的源域样本集记为

以窗口大小为Win、步长为Stp分别对目标域数据集D_T中所有C+1类运行状态下所有数据分别做时间滑窗，经时间滑窗后构建数据集为分别表示时间滑窗后构建数据集的样本个数，利用经滑窗后的目标域数据构建目标域样本集l_t为目标域样本集的样本数，其大小表示为：

目标域数据集D_T所对应的类别标签为带标签的目标域样本集记为

S13：将目标域样本集D_t随机打乱后，以设定比例划分，一部分用于构建训练样本集一部分用于构建测试样本集其中和分别表示目标域样本集中用于训练和测试的样本个数，它们之间的关系为：

将源域样本集D_s与目标域样本集中的训练样本集所有样本按行拼接，构建训练样本集l_Tr为训练样本的第一维度，其大小表示为：

带标签的训练样本集记为

利用目标域样本集中的测试样本集构建测试样本集带标签的测试样本集记为