公开(公告)号：CN118245798A

公开(公告)日：2024-06-25

申请号：CN202410301194.2

申请日：2024-03-15

Applicant: 华南理工大学

Inventor： 李巍华 ,  杨松翰 ,  陈祝云 ,  黄如意

IPC: G06F18/214 ,  G06F18/21 ,  G06F18/213 ,  G06F18/22 ,  G06F18/2431 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了基于改进孪生胶囊网络的小样本跨工况故障诊断方法及系统，包括以下步骤：采集旋转机械在不同工况下的振动加速度信号并设置类别标签构建数据集；构建源域训练样本对数据集和目标域支持样本集、测试样本集；构建特征提取器，用于对原始故障振动信号进行特征提取，包括并联的两个分支特征提取器；构建度量学习器；基于特征提取器和度量学习器构建孪生多尺度注意力小波胶囊网络小样本跨工况故障诊断模型，训练该模型用于故障诊断。本发明方法可以有效提高深度学习模型在旋转机械小样本故障诊断与跨工况故障诊断中的诊断精度，有效改进小样本变工况场景下的智能故障诊断任务。