基于相互局部对抗迁移学习的旋转机械故障诊断方法

摘要

本发明提供了一种基于相互局部对抗迁移学习的旋转机械故障诊断方法，包括：考虑到目标域数据中隐含的标签信息没有被充分利用，设计了一种相互学习的网络结构来学习可靠的伪标签，进而使得没有标签的目标域数据得以充分利用，从而提高模型性能。相比于单个网络结构来比该模型的鲁棒性更好。考虑到忽略故障的类别信息直接从全局的角度来对齐源域与目标域数据可能会出现对齐偏差的问题，提供多个局部对抗域分类器取代全局对抗域分类器，每个局部对抗域分类器分别对齐每一个类别的源域和目标域特征，以得到更好的相似特征。