10.3969/j.issn.1004-132X.2022.14.009
残差卷积自编码网络无监督迁移轴承故障诊断
深度学习类轴承故障智能诊断研究中,一般会假设训练数据与测试数据同分布且典型故障样本充足,而实际工况复杂多变,难以获得大量标签数据.将残差学习引入卷积自编码,并结合迁移学习,提出了基于残差卷积自编码无监督域自适应迁移的故障诊断方法.堆叠一维卷积自编码进行特征提取,通过残差学习避免过拟合,提高学习效率;融合多层多核概率分布适配来约束网络学习域不变特征;实现了基于无监督域自适应迁移学习的故障诊断,并获得了较高准确率的识别结果.采用凯斯西储大学轴承数据集进行验证,结果证明了所提出方法的有效性,此外还对主要参数及其影响进行了探讨并给出了对比结果.
轴承故障诊断、无监督学习、深度迁移、残差卷积自编码、域自适应
33
TP391.4;TH865(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;河北省自然科学基金;河北省高等学校科学技术研究项目;河北省重点实验室建设项目
2022-08-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
1707-1716