- 1、本文档共22页,其中可免费阅读21页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于对抗训练和迁移学习的旋转机械剩余寿命预测混合收缩方法,首先利用振动波动检测算法区分设备的健康和退化状态,再设置多个模块,利用阈值自学习模块剔除提取特征中的干扰,通过模块间的对抗训练提高特征域融合度的同时保证特征各状态的分离度,引入最大均值差异控制不同数据集合的分布误差,最后基于源域特征训练状态预测模块,实现旋转机械的迁移预测。以上特点使得本发明方法能有效解决旋转机械状态预测问题,并消除不同设备和不同工况差异的影响,提高状态预测稳定性。
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112966345 B
(45)授权公告日 2022.06.07
(21)申请号 202110234849.5 CN 110555273 A,2019.12.10
(22)申请日 20
文档评论(0)