国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動(dòng)滑塊完成拼圖
個(gè)人中心

預(yù)訂訂單
服務(wù)訂單
發(fā)布專(zhuān)利 發(fā)布成果 人才入駐 發(fā)布商標(biāo) 發(fā)布需求

在線(xiàn)咨詢(xún)

聯(lián)系我們

龍圖騰公眾號(hào)
首頁(yè) 專(zhuān)利交易 IP管家助手 科技果 科技人才 科技服務(wù) 國(guó)際服務(wù) 商標(biāo)交易 會(huì)員權(quán)益 需求市場(chǎng) 關(guān)于龍圖騰
 /  免費(fèi)注冊(cè)
到頂部 到底部
清空 搜索
  • 我要求購(gòu)
  • 我要出售
當(dāng)前位置 : 首頁(yè) > 專(zhuān)利喜報(bào) > 安徽大學(xué)夏懿獲國(guó)家專(zhuān)利權(quán)

安徽大學(xué)夏懿獲國(guó)家專(zhuān)利權(quán)

買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰,真高效! 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)!專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便!

龍圖騰網(wǎng)獲悉安徽大學(xué)申請(qǐng)的專(zhuān)利一種基于無(wú)監(jiān)督域適應(yīng)的智能故障診斷方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán),本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予,授權(quán)公告號(hào)為:CN114398992B

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-06發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉:該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為:202210054299.3,技術(shù)領(lǐng)域涉及:G06F18/2415;該發(fā)明授權(quán)一種基于無(wú)監(jiān)督域適應(yīng)的智能故障診斷方法是由夏懿;張誠(chéng)志;許洋洋;方永康建設(shè)計(jì)研發(fā)完成,并于2022-01-18向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

一種基于無(wú)監(jiān)督域適應(yīng)的智能故障診斷方法在說(shuō)明書(shū)摘要公布了:本發(fā)明公開(kāi)了一種基于無(wú)監(jiān)督域適應(yīng)的智能故障診斷方法,涉及故障檢測(cè)技術(shù)領(lǐng)域。獲取帶有故障標(biāo)簽標(biāo)注的目標(biāo)零件信號(hào)作為源域信號(hào),獲取無(wú)標(biāo)注的目標(biāo)零件信號(hào)作為目標(biāo)域信號(hào);目標(biāo)零件信號(hào)為用于判斷目標(biāo)零件是否發(fā)生故障的傳感器數(shù)據(jù);故障標(biāo)簽為目標(biāo)零件發(fā)生故障的類(lèi)型;對(duì)源域信號(hào)和所述目標(biāo)域信號(hào)進(jìn)行預(yù)處理,得到多個(gè)源域樣本和多個(gè)目標(biāo)域樣本;使用源域樣本和目標(biāo)域樣本訓(xùn)練預(yù)設(shè)的域適應(yīng)模型,優(yōu)化域適應(yīng)模型的優(yōu)化目標(biāo)函數(shù),完成域適應(yīng)模型的訓(xùn)練;使用訓(xùn)練好的域適應(yīng)模型進(jìn)行目標(biāo)零件的故障診斷。以此能夠根據(jù)已知的零件數(shù)據(jù),診斷出分布相似的零件軸承監(jiān)測(cè)數(shù)據(jù)的故障類(lèi)型,提升模型在實(shí)際應(yīng)用中的診斷效果。

本發(fā)明授權(quán)一種基于無(wú)監(jiān)督域適應(yīng)的智能故障診斷方法在權(quán)利要求書(shū)中公布了:1.一種基于無(wú)監(jiān)督域適應(yīng)的智能故障診斷方法,其特征在于,包括以下步驟:獲取帶有故障標(biāo)簽標(biāo)注的目標(biāo)零件信號(hào)作為源域信號(hào),獲取無(wú)標(biāo)注的目標(biāo)零件信號(hào)作為目標(biāo)域信號(hào);所述目標(biāo)零件信號(hào)是用于判斷目標(biāo)零件是否發(fā)生故障的傳感器數(shù)據(jù);所述故障標(biāo)簽為目標(biāo)零件發(fā)生故障的類(lèi)型;對(duì)所述源域信號(hào)和所述目標(biāo)域信號(hào)進(jìn)行預(yù)處理,得到多個(gè)源域樣本和多個(gè)目標(biāo)域樣本;使用所述源域樣本和所述目標(biāo)域樣本訓(xùn)練預(yù)設(shè)的域適應(yīng)模型,優(yōu)化所述域適應(yīng)模型的優(yōu)化目標(biāo)函數(shù),完成所述域適應(yīng)模型的訓(xùn)練;使用訓(xùn)練好的所述域適應(yīng)模型進(jìn)行所述目標(biāo)零件的故障診斷;所述預(yù)設(shè)的域適應(yīng)模型包括一個(gè)特征提取器、一個(gè)分類(lèi)器和三個(gè)域鑒別器;其中,所述特征提取器包括三層卷積層和一層全連接層,每個(gè)卷積層還包括了BN層、池化層和ReLU層;其中,所述池化層都采用最大值池化方法,所述ReLU層采用一種線(xiàn)性糾正函數(shù);所述分類(lèi)器包括兩層全連接層,用于使用softmax激活函數(shù)對(duì)故障標(biāo)簽進(jìn)行預(yù)測(cè);每一域鑒別器包括兩層全連接層,用于使用sigmoid激活函數(shù)對(duì)域標(biāo)簽進(jìn)行預(yù)測(cè);使用所述源域樣本和所述目標(biāo)域樣本訓(xùn)練預(yù)設(shè)的域適應(yīng)模型,優(yōu)化所述域適應(yīng)模型的優(yōu)化目標(biāo)函數(shù),完成所述域適應(yīng)模型的訓(xùn)練,包括:利用所述特征提取器提取所述源域樣本的特征,作為源域特征,利用所述特征提取器提取所述目標(biāo)域樣本的特征,作為目標(biāo)域特征;將所述源域特征和所述目標(biāo)域特征輸入所述分類(lèi)器,預(yù)測(cè)所述源域樣本和所述目標(biāo)域樣本的故障標(biāo)簽;將所述分類(lèi)器輸出的帶有故障標(biāo)簽的源域特征和目標(biāo)域特征,通過(guò)多重線(xiàn)性映射經(jīng)過(guò)梯度反轉(zhuǎn)層后輸入所述域鑒別器,通過(guò)所述域鑒別器預(yù)測(cè)所述源域樣本和所述目標(biāo)域樣本的域標(biāo)簽;所述域標(biāo)簽包括標(biāo)簽1和標(biāo)簽0,所述標(biāo)簽1表示屬于源域,所述標(biāo)簽0表示屬于目標(biāo)域;優(yōu)化所述域適應(yīng)模型的優(yōu)化目標(biāo)函數(shù),完成所述域適應(yīng)模型的訓(xùn)練;所述優(yōu)化目標(biāo)函數(shù)為: 其中,Lc為所述分類(lèi)器的損失函數(shù),Ld1、Ld2和Ld3分別為三個(gè)域鑒別器的損失函數(shù),Lmmd為所述特征提取器的損失函數(shù),λ1、λ2、λ3、λ4為權(quán)衡參數(shù),用于調(diào)節(jié)所述域鑒別器和所述特征提取器的貢獻(xiàn);通過(guò)最小化Lc優(yōu)化所述特征提取器和所述分類(lèi)器的參數(shù);最小化Ld1、Ld2和Ld3優(yōu)化三個(gè)域鑒別器的參數(shù);最小化Lmmd優(yōu)化所述特征提取器的參數(shù);最大化Ld1、Ld2和Ld3優(yōu)化所述特征提取器的參數(shù);域鑒別器的損失函數(shù)為: 其中,D為所述域鑒別器的操作;通過(guò)熵準(zhǔn)則計(jì)算預(yù)測(cè)不確定性,通過(guò)熵感知權(quán)重ωHg=1+e-Hg,對(duì)易于轉(zhuǎn)移的樣本進(jìn)行重新加權(quán);其中,gc表示樣本屬于第C類(lèi)的概率;對(duì)于第m個(gè)域鑒別器,損失函數(shù)為: 其中,表示對(duì)第i個(gè)源域樣本分類(lèi)器的預(yù)測(cè)結(jié)果,表示對(duì)第j個(gè)目標(biāo)域樣本分類(lèi)器的預(yù)測(cè)結(jié)果,Dm表示第m個(gè)域鑒別器的操作,表示第m層卷積對(duì)第i個(gè)源域樣本提取的特征,表示第m層卷積對(duì)第j個(gè)目標(biāo)域樣本提取的特征。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù),可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)@麢?quán)人安徽大學(xué),其通訊地址為:230000 安徽省合肥市肥西路3號(hào);或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。

免責(zé)聲明
1、本報(bào)告根據(jù)公開(kāi)、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀(guān)、公正,但并不保證數(shù)據(jù)的最終完整性和準(zhǔn)確性。
2、報(bào)告中的分析和結(jié)論僅反映本公司于發(fā)布本報(bào)告當(dāng)日的職業(yè)理解,僅供參考使用,不能作為本公司承擔(dān)任何法律責(zé)任的依據(jù)或者憑證。
主站蜘蛛池模板: 梁河县| 河池市| 会泽县| 义马市| 特克斯县| 靖安县| 咸宁市| 库尔勒市| 崇礼县| 长沙市| 水城县| 中宁县| 措勤县| 祁阳县| 南岸区| 奉贤区| 克拉玛依市| 遂昌县| 梧州市| 陕西省| 海南省| 防城港市| 年辖:市辖区| 兰州市| 西藏| 达拉特旗| 诸城市| 惠安县| 双城市| 湖州市| 长岭县| 三河市| 平山县| 宜君县| 茌平县| 东乡县| 南宫市| 白银市| 德昌县| 崇义县| 辛集市|