源域多样本集成GFK的不同工况下滚动轴承寿命状态识别

摘要：

针对不同工况下滚动轴承寿命状态识别时训练样本与测试样本分布差异导致寿命状态无法有效识别的问题,提出基于源域多样本集成(Geodesic Flow Kernel,GFK)的滚动轴承寿命状态识别方法.首先,采用无重复均匀随机抽样对源域类间样本进行多次等量随机抽样得到源域内部多个训练样本以充分挖掘源域样本信息;其次,将源域内部多个训练样本和目标域测试样本输入GFK,分别计算每个源域训练样本与目标域测试样本的测地线核矩阵以充分利用源域样本信息并提升GFK迁移学习能力;最后,利用核矩阵构造核分类器并输出分类结果,采用一致性投票对所有源域训练样本下目标域测试样本的分类结果进行集成以提升目标域测试样本的识别准确率.不同工况下滚动轴承寿命状态识别实验验证了所提方法的可行性和有效性.

关键词：寿命状态识别、滚动轴承、测地线流式核、迁移学习

所属期刊栏目：33

分类号：TH165+.3;TH133.33

资助基金：机械传动国家重点实验室开放基金资助项目;国家自然科学基金资助项目;重庆市基础与前沿研究计划资助项目;重庆市留学人员回国创业创新支持计划创新项目;重庆市技术创新与应用示范项目;城市轨道交通车辆系统集成与控制重庆市重点实验室开放基金资助项目;交通工程应用机器人重庆市工程实验室开放基金资助项目

在线出版日期：2020-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：614-621