伪标签驱动局部子空间对齐的跨域故障诊断方法

摘要：

由于不同工况下的同类故障特征间存在分布差异,导致了源域中训练的智能诊断模型在应用至目标域时出现性能退化.针对此问题,提出一种伪标签驱动局部子空间对齐,以减少不同域分布差异从而实现跨域故障诊断的方法.首先通过迁移源域中的预训练模型并联合余弦相似度的计算,在模型不同位置为目标域无标签样本计算样本伪标签的概率分布;然后,引入局部最大平均差异来减少源域和目标域相同子空间的特征分布偏差,实现对齐源域和目标域相关子空间;并且采用宽核卷积神经网络提取深层次跨域不变特征,最终实现较高故障诊断准确率的跨域智能故障诊断.试验结果表明,在两组验证数据集上所提方法均实现了最高的故障诊断准确率,证明了该方法的优越性,具有较好的实际应用价值.

关键词：故障诊断、跨域、伪标签、局部子空间、卷积神经网络

所属期刊栏目：42

分类号：TH133.2;TP211+.2

资助基金：国家自然科学基金;安徽省高校自然科学研究项目;安徽省高校优秀拔尖人才培育项目;滁州市科技计划项目

在线出版日期：2023-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：105-113