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
本发明公开了一种基于改进泛化网络的多工况下机床的故障诊断方法，包括：利用三元损失函数最小化锚样本和正样本之间的距离，最大化锚样本和负样本之间的距离以实现强化分类边界；将得到的整体故障特征与广义源域进行对齐，同时将得到的故障特征分别按照各个故障与广义源域的各个故障进行对齐；根据对齐程度计算出动态对抗因子β作为全局域分类器和局部子域分类器的训练权重，将最终得到的不变特征输入网络模型进行诊断，最后输出诊断结果。本发明可有效解决面对未知工况时采集的故障信号与训练时的故障信号特征分布不同，传统诊断模型性能
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117540252A
(43)申请公布日2024.02.09
(21)申请号202311561966.8G01M13/045(2019.01)
(22)申请日2023.11
文档评论（0）