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
本发明公开了一种注意力引导下多小波对抗网络的故障诊断方法及系统，涉及旋转机械振动信号的故障诊断技术领域，包括：获取振动信号并进行预处理；基于多小波卷积特征提取器进行特征提取；进行域差异混合度量；确定样本健康状态标签分类损失；确定领域鉴别器分类损失；构建故障诊断模型，确定优化目标。本发明利用多小波卷积和通道注意力机制，从输入信号中提取与冲击成分相关的可解释的故障特征。在源域特征层采用kNN算法构建标签模型，在特征提取层，采用一种新的域差异混合度量策略，高效可靠地实现了不同工况下齿轮的故障特征迁移学
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117807426A
(43)申请公布日2024.04.02
(21)申请号202311544870.0G06N3/096(2023.01)
(22)申请日2023.11.
文档评论（0）