《针对不连续时变样本空间的连续学习故障诊断方法》

技术简介：

智能故障诊断方法是保障机械设备安全可靠运行的重要手段,然而,现有智能故障诊断方法多属于批量学习模式,缺乏连续学习能力,无法高效地处理不连续时变样本空间的故障诊断问题。在生物免疫系统利用记忆细胞快速识别二次入侵抗原,以及记忆细胞随入侵抗原进化而进化等智能机理的启发下,提出一种针对不连续时变样本空间的具有连续学习能力的故障诊断方法,当样本空间与时间无关时,其退化为一般的监督学习故障诊断方法。在诊断过程中通过对样本的不断学习,持续更新记忆细胞,利用亲和度阈值识别未参与训练以及发生间断后再次出现的故障样本。通过20个标准数据集的仿真分析了当其退化为一般的监督学习故障诊断方法时的性能;利用西安交通大学的XJTU-SY滚动轴承加速寿命试验数据集分析了其处理不连续时变样本空间故障诊断问题时的性能。试验结果表明与经典故障诊断方法相比,此故障诊断方法对时不变样本空间的故障诊断问题具有良好的故障诊断性能,对于不连续时变样本空间的故障诊断问题具有更好的故障诊断性能。

研发人员：李栋;刘树林;孙欣;