基于迁移学习和集成学习的滚动轴承退化趋势预测方法.pdfVIP

下载本文档

1
0
约9.99千字
约 11页
2023-05-19 发布于北京
举报
版权申诉

基于迁移学习和集成学习的滚动轴承退化趋势预测方法.pdf

1、本文档共11页，其中可免费阅读10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

本发明涉及一种基于迁移学习和集成学习的滚动轴承退化趋势预测方法，包括：子模型训练，采用对抗训练的方式促使特征提取器提取的高等级抽象特征具有领域不变性，完成多个子模型训练；模型融合预测，包括：将轴承振动数据的历史实际趋势序列分别与每个子模型的同一时间步下历史预测输出序列进行相似度计算，获得属于每个子模型的相似度系数；将相似度系数转换为各个子模型的权重；对各个子模型的未来时间步预测输出序列加权获得模型融合后的未来时间步预测输出序列。本发明克服了在变工况情况下的轴承退化特征提取困难而造成预测性能欠佳的

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114881069 A (43)申请公布日 2022.08.09 (21)申请号 202210321096.6 (22)申请日 2022.03.29 (71)申请人国能太仓发电有限公