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
公开了一种基于特征解缠的域泛化齿轮箱故障诊断方法，方法中，采集获取齿轮箱预制故障件一维振动信号实验数据，通过滑动时间窗划分实验数据集并形成训练集、验证集和测试集；设计一种特定领域的分类器用于学习每个源域的域特异性特征，该分类器仅用于判别特定领域的故障类型，无法区分其他域故障类型；构建一种基于卷积神经网络的编码器‑解码器网络，其将训练数据样本映射到新的样本空间用于特征解缠与领域特异性特征去除；将域不变故障分类器附加到编码器‑解码器网络，利用映射空间新样本训练域不变故障样本分类器，将完成训练的编码器
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117407706A
(43)申请公布日2024.01.16
(21)申请号202311139311.1G06N3/0455(2023.01)
文档评论（0）