原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
查看更多
本发明涉及核主泵故障诊断领域，尤其涉及一种核主泵故障诊断模型的训练方法、故障诊断方法和系统。本发明提出的一种核主泵故障诊断模型的训练方法，结合源域和目标域构建训练样本，通过特征提取器提取输入数据特征，域判别器基于输入数据特征判断输入数据的域标签，从而结合域判别器模糊特征提取器提取的特征对域的依赖，通过对训练样本的学习，使得特征提取器提取的特征为目标域和源域的共有特征；使得故障分类器可通过对源域样本的学习实现对目标域样本的故障诊断，大大降低了训练过程中对目标域样本的需求。本发明保证了在目标域样本不
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 115795313 A
(43)申请公布日 2023.03.14
(21)申请号 202310059996.2
(22)申请日 2023.01.16
(71)申请人 中国科学院合肥物质科学研究院
地址
文档评论（0）