公开(公告)号：CN117932431A

公开(公告)日：2024-04-26

申请号：CN202410098688.5

申请日：2024-02-28

Applicant: 东北林业大学

Inventor： 李学艺 ,  金昊 ,  原鹏 ,  李岱优 ,  解志杰

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了一种基于多尺度扩展的残差神经网络方法。首先，采用多尺度特征残差神经网络来提取旋转机械振动信号的特征，同时使用数据增强方法增强模型的泛化能力，将信号分解为多个不同尺度的子信号，并在每个尺度上提取局部特征，然后使用残差连接来组合这些局部特征以得到全局特征表示；其次，本文构建了最大均值差异与极小化熵边界，以适应两个域之间的差异。该方法使用多个核函数计算不同尺度下数据之间的距离，并将这些距离进行组合来得到一个综合的度量。通过使用最大均值差异与极小化熵边界方法，可以更加准确地判断不同尺度下的信号是否属于同一类别，从而提高了诊断的准确性和鲁棒性。本发明将这种方法应用于无监督跨域故障诊断任务，并取得了良好的诊断性能。