深度子领域自适应网络电机滚动轴承跨工况故障诊断

摘要：

针对实际生产中旋转机械工况变化引起状态监测数据分布差异及获取待诊断样本标签困难问题,提出多尺度子领域自适应模型(MSDAM)的跨工况下滚动轴承故障诊断方法.首先,以原始振动信号作为输入,无需信号预处理及人工特征参数提取;其次,搭建多尺度卷积神经网络将已知标签样本和待诊断样本特征迁移到同一子空间,捕获具有细粒度信息的多尺度公共特征;然后,以不同的故障类型来划分相关子域,并通过局部最大均值距离(LMMD)来完成子域的适配,有效削弱不同工况同类故障特征的分布差异;最后,在三个数据集的多个迁移任务上进行试验验证.结果证明,所提MSDAM的跨工况故障诊断性能优于关注全局领域适配的迁移学习方法.

关键词：轴承故障诊断、子领域自适应、迁移学习、软标签学习

所属期刊栏目：39

分类号：TM307(电机)

资助基金：国家自然科学基金;国家自然科学基金;江苏省自然科学基金;江苏省双创项目

在线出版日期：2024-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：182-193