一种在线调距桨液压系统齿轮泵故障特征迁移学习方法与流程

1.一种在线调距桨液压系统齿轮泵故障特征迁移学习方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的方法，其特征在于，在所述s101中，所述历史数据包括历史一段时期内待诊断的所述调距桨液压系统齿轮泵的数据，所述历史数据和所述实时数据包括流量数据、压力数据、温度数据以及螺距指令和反馈数据。

3.如权利要求2所述的方法，其特征在于，所述历史数据和所述实时数据根据采样频率的不同，设置预定长度的数据序列，采集多个数据点并写入到所述数据库中。

4.如权利要求3所述的方法，其特征在于，在所述s103中，所述斯皮尔曼相关性系数采用如下方式计算：

5.如权利要求4所述的方法，其特征在于，在所述s103中，所述经验模态分解包括如下步骤：

6.如权利要求5所述的方法，其特征在于，在所述s1033中，所述内禀模态函数imf分量采用如下方式计算：

7.如权利要求6所述的方法，其特征在于，在所述s105中，所述卷积网络为4层一维的卷积网络，每一层卷积核大小为7，输出特征通道维度分别为32、64、128和256。

8.如权利要求7所述的方法，其特征在于，在所述s107中，所述交叉熵分类器由一个线性变换层和3个齿轮泵故障状态构成，所述交叉熵分类器包括一个softmax函数：

9.如权利要求8所述的方法，其特征在于，在所述s109中，所述随机梯度下降方法通过求解多目标损失函数实现对对所述卷积网络和所述交叉熵分类器进行参数优化，所述多目标损失函数为：

10.如权利要求9所述的方法，其特征在于，所述多目标损失函数包括交叉熵分类损失函数和最大平均差异损失函数，所述交叉熵分类损失函数用于学习所述源域数据中不同故障之间的区别，所述最大平均差异损失函数用于将所述源域数据和所述目标域数据映射到同一分布中。