子域适应无监督轴承故障诊断

摘要：

针对深度无监督轴承故障诊断网络仅对齐全局分布,未考虑源域和目标域每个类别细粒度信息的问题,提出了一种子域适应无监督端到端轴承故障诊断网络.该网络采用一维卷积神经网络进行特征提取,利用多分类函数构建分类器,通过最小化局部最大平均差异和分类器损失函数,进行相关子域的分布对齐.在江南大学轴承故障数据集对该方法进行有效性验证.结果表明,该方法在目标域数据无标签的情况下,识别正确率明显高于其他5种目前流行的领域自适应故障诊断方法,t分布随机邻居嵌入结果显示该方法有效对齐源域和目标域类别信息,验证了该方法的可行性和有效性.

关键词：轴承故障诊断;迁移学习;无监督领域适应

所属期刊栏目：40

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金："十三五"国家重点研发计划;江苏省高等学校自然科学研究

在线出版日期：2021-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：34-40