10.3969/j.issn.1004-132X.2022.24.010
基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法
针对滚动轴承故障诊断在工程实际中故障数据稀缺的问题,提出一种基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法.首先利用典型故障信息丰富、标记样本充足的滚动轴承数据构建多源域数据集,使用不同源域的数据对源域特征提取器与分类器进行预训练;然后利用基于动态时间规整的shapelets学习算法提取源域与 目标域的shapelets作为判别结构,通过度量判别结构优化源域数据,对源域网络进行微调以得到诊断模型;最后根据每个源域与 目标域的shapelets之间的差异,利用 自适应域权重对各分类器的结果进行聚合得出诊断结果.实验结果表明,该方法在小样本与强噪声的情况下具有较高的故障诊断准确率.
滚动轴承、故障诊断、shapelets时间序列、多源迁移学习
33
TH133.3;TH165.3
国家自然科学基金;国家自然科学基金;中国博士后科学基金;江苏省市场监督管理局科技计划
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
2990-2996,3006