专利交易市场

基于宽度迁移学习的搅拌釜反应物浓度预测模型构建方法，属于连续搅拌釜反应器中反应物浓度的预测技术领域。它包括以下步骤：(1)数据的获取和整合；(2)模型建立；(3)模型预测。本发明构建的模型将不需要目标域标签的迁移学习方法引入搅拌釜反应物浓度预测领域，可有效解决连续搅拌釜反应器生成过程无法测得足够的反应物浓度来评价产品质量问题；本发明使用的迁移学习方法，选取反应物浓度为预测标签，可以解决一个工况有标签，另一个工况没有标签的域适应问题，并提高了预测性能。

本发明公开了一种基于多工况分布式输出过程补偿迁移建模方法，通过在标签空间变换将已知的少量目标域数据标签空间特性迁移到源域数据的标签空间中，以更好的减少不同工况间分布式输出过程数据标签空间分布的差异性，本发明所提出的基于高斯过程回归模型的偏差补偿迁移方法有效地处理了苯乙烯自由基聚合反应中多工况和大噪声特性，并增强了预测的鲁棒性和准确性。

本发明提供一种深度多特征动态对抗的变工况下旋转机械迁移诊断方法，利用深度神经网络对所述旋转机械关键部件的振动信号进行特征提取，得到轴承健康状态的特征；将轴承健康状态的特征向量和类别预测向量进行多线性映射融合，并进行动态多特征对抗迁移诊断训练：通过总损失函数反向传播对动态多特征对抗迁移诊断网络进行优化；总损失函数包括标签分类器损失函数、动态鉴别损失和MMD损失，动态鉴别损失中设有动态对抗因子；优化后的动态多特征对抗迁移诊断网络输入目标域机械设备的监测数据集，输出目标域装备健康状态。本发明方法提高了目标域工况健康状态的识别精度，能有效识别变工况下旋转机械的健康状态。