(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111677762.1 (22)申请日 2021.12.31 (71)申请人 苏州大学 地址 215000 江苏省苏州市吴中区石湖西 路188号 (72)发明人 沈长青　田静　孔林　陈良　 丁传仓　冯毅雄　 其他发明人请求 不公开姓名　 (74)专利代理 机构 苏州市中南伟业知识产权代 理事务所(普通 合伙) 32257 代理人 朱振德 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于动态指数对抗性自适应的滚动轴承故 障诊断方法 (57)摘要 本发明公开了一种基于动态指数对抗性自 适应的滚动轴承故障诊断方法， 包括以下步骤： 采集不同工况下轴承运行时的振动数据； 将源域 特征和混合域样本特征作为输入， 对抗训练分类 器与域鉴别器并对特征提取器进行优化， 计算损 失； 利用损失构建轴承故障诊断模型的目标函 数， 寻找最佳参数， 直至轴承故障诊断模 型完成， 在训练过程中利用动态指数调节因子缩小源域 样本和目标域样本的边缘分布和条件分布差异； 将目标域样 本输入轴承故障诊断模 型， 输出轴承 故障诊断结果。 本发明能够以精确定量地衡量边 缘分布和条件分布在整体数据分布中的比重， 从 而使得模型可以更有针对性的对不同工况下的 数据集进行迁移， 实现精确地故障诊断。 权利要求书3页 说明书11页 附图5页 CN 114429152 A 2022.05.03 CN 114429152 A 1.一种基于动态指数对抗性自适应的滚动轴承故障诊断方法， 其特征在于： 包括以下 步骤： S1： 采集不同工况 下轴承运行时的振动数据， 获得源域样本和目标域样本； S2： 将源域样本输入特征提取器获得源域特征； 将源域样本和目标域样本共 同输入特 征提取器获得混合 域样本特 征； S3： 将源域特征和混合域样本特征作为输入， 对抗训练分类器与域鉴别器并对特征提 取器进行优化， 计算分类器和域鉴别器的损失； 其中， 域鉴别器包括全局域鉴别器和局部域 鉴别器； S4： 对于全局域鉴别 器损失和局部域鉴别器损失通过相似度度量 计算源域 样本与目标域样本之间分布距离的全局度量和局部度量得到指数动态调节因子， 利用指数 动态调节因子重新定义域鉴别器损失， 其中， 全局度量和局部度量分别对应边缘分布和条 件分布差异； S5： 利用分类器损失和重新定义的域鉴别器损失构建轴承故障诊断模型的目标函数， 通过带有标签的源域样本和无标签的目标域样本训练寻找所述目标函数的最佳参数， 直至 所述轴承故障诊断模型完成， 其中， 在训练过程中利用动态指数调节因子缩小所述源域样 本和所述目标域样本的边 缘分布和条件分布差异； S6： 将目标域样本 输入完成的所述轴承故障诊断模型， 输出轴承故障诊断结果。 2.如权利要求1所述的基于动态指数对抗性自适应的滚动轴承故障诊断方法， 其特征 在于： 在所述步骤S1中每种工况下 的轴承健康状态不同， 每种工况下不同健康状态的轴承 振动数据作为一个可迁移的数据域， 所述数据域附有域标签， 所述源域样本和目标域样本 从数据域中选取， 所述源域样本附有故障类型 标签。 3.如权利要求2所述的基于动态指数对抗性自适应的滚动轴承故障诊断方法， 其特征 在于： 利用加速度传感器采集每种工况下轴承运行时的振动信号， 构建源域数据集和目标 域数据集， 利用短时傅里叶变换对所述源域数据集和所述 目标域数据集进行处理， 并进行 二维化处 理， 输出处 理后的多源域样本和目标域样本 。 4.如权利要求2所述的基于动态指数对抗性自适应的滚动轴承故障诊断方法， 其特征 在于： 在所述步骤S3中将源域特征输入分类器进行有监督的训练， 得到预测源域标签和分 类器损失， 其中， 有监督的训练为通过计算预测源域标签与源域真实标签的交叉熵损失得 到分类器损失 yi是数据真实故障标签， C(G(xi))是分类器预测 的故障标签， Lc计算两者的交叉熵损失。 5.如权利要求4所述的基于动态指数对抗性自适应的滚动轴承故障诊断方法， 其特征 在于： 在所述 步骤S3中： 将混合域样本输入全局域鉴别器进行训练， 得到预测的域标签和全局域损失 其中， dk为数据真实的域标签， Dg(G(xk))代表预测的 域标签， 计算两者的交叉熵损失； 将混合样本特征输入分类器， 得到目标域故障种类预测标签概率分布； 将混合样本特权　利　要　求　书 1/3 页 2 CN 114429152 A 2征输入多个局部域鉴别器， 得到多个域鉴别预测标签后与真实域标签计算每个域交叉熵损 失， 并将交叉熵损失与目标域故障种类预测标签概率分布相乘求和， 得到最终的局部域损 失计算公式： 计算局部域损失， 其中， H代表故 障标签种类数量， 是与第h类相关的域鉴别器， 是 对应的交叉熵损失， 代表第k 个样本在h类上存在的概 率分布， dk为数据真实的域标签。 6.如权利要求5所述的基于动态指数对抗性自适应的滚动轴承故障诊断方法， 其特征 在于： 所述 步骤S4具体包括： 对全局域损失和局部域损失， 经过 计算， 即利用全局差异度量公式 和局部差异度量 计算两域之间分布距 离的全局度量和 局部度量； 转化为指数动态调节因子ω， 表示为 利用指数动态调节因 子调节两个域 边缘分布和条件分布的差异； 考虑所述指数动态调节因子， 最终域 鉴别器损失定义 为： 7.如权利要求6所述的基于动态指数对抗性自适应的滚动轴承故障诊断方法， 其特征 在于： 所述 步骤S5具体包括： 根据分类器损失Ly和域鉴别器损失LD建立轴承故障诊断模型的目标函数即计算总损 失， 两者比例变化遵循公式 即最终的总损失计算如式L ＝Ly‑λLD； 在每一个epoch计算一次总损失， 并将总损失利用Adam算法对建立的特征提取器、 分类 器、 全局域 鉴别器和 局部域鉴别器进行优化； 利用预先定义的epoch数决定模型训练次数， 根据预先定义的步长和步长衰减公式 得到每一步的步长， 将整个模型依据步长循环所述epoch数 次， 得到训练好的模型。 8.如权利要求2所述的基于动态指数对抗性自适应的滚动轴承故障诊断方法， 其特征 在于： 所述 步骤S6具体包括： 利用短时傅里叶变换对所述目标域数据集进行处 理， 得到所述目标域样本图片； 将所述目标域样本图片输入所述已训练故障诊断模型中， 得到最终的故障诊断结果。 9.一种基于动态指数对抗 性自适应的滚动轴承故障诊断系统， 其特 征在于： 包括： 采集模块， 用于采集 不同工况 下轴承运行时的振动数据， 获得源域样本和目标域样本； 特征提取模块， 用于将源域样本输入特征提取器获得源域特征； 将源域样本和目标域权　利　要　求　书 2/3 页 3 CN 114429152 A 3