深度领域自适应及其在跨工况故障诊断中的应用

摘要：

实际生产中,机械设备的工况变化会造成监测数据的分布差异,破坏分类模型的应用基础,降低诊断准确率.为此,提出一种基于深度学习的领域自适应方法,用于跨工况情境下轴承故障诊断.该方法构建两个级联的深度网络:前者用于处理振动信号,自动挖掘故障敏感特征;后者用于将不同工况的样本特征同步映射到一个深度隐藏层(公共特征空间)中,消除工况波动引起的分布差异,生成工况不变特征,实现领域自适应.此外,该深度映射网络可通过参数优化方法自适应构建,能够实现最佳的跨域诊断性能.实验表明,与其他方法和相关研究相比,深度领域自适应在跨工况故障识别中具有更高的准确率.

关键词：深度学习、领域自适应、变工况、故障诊断

所属期刊栏目：39

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2020-07-20（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：281-288