基于无监督迁移学习的泵类机械设备轴承故障诊断方法

摘要

本发明公开了一种基于无监督迁移学习的泵类机械设备轴承故障诊断方法，采集泵类机械设备轴承振动信号，进行样本特征增强预处理，得到振动信号数据集；构建具有源域、目标域数据对齐适配能力的域迁移学习模型，将域鉴别器注入到模型中；构造对抗策略损失函数优化域鉴别器；构造双向长短期记忆模型Bi‑LSTM并使用无监督的训练方式，将多类训练数据接入域迁移学习模型输入端，进行模型参数更新和网络结构调整；判断所训练的模型在目前训练环境下的性能状态是否满足实际需要，如果低于目标准确度，则继续进行训练；用训练好的网络模型进行故障分类诊断。本发明实现了模型对于多域数据的适应能力，可以显著增强数据样本间的区分度，提高机械故障诊断准确率。