变工况下基于联合适配与对抗学习的滚动轴承故障诊断

摘要：

针对在一些假设条件下采用深度卷积神经网络进行变工况场景下基于深度学习模型的轴承故障诊断,其诊断性能会大大降低.本文提出了多尺度卷积联合适配对抗网络(Multi-scale convolu-tion joint adaptive countermeasure network,MSCJACN),即在MS-1DCNN模型中加入了迁移学习算法.通过特征提取模块提取通用特征,在特征提取器的最后两层全连接层上利用联合最大均值差异(Joint maximum mean difference,JMMD)对具体特征进行适配,同时在特征提取器后加域判别器,帮助网络提取域的不变特征.在12种迁移学习任务上进行消融实验,并与其他迁移学习算法进行对比实验,结果表明,MSCJACN在变工况故障诊断场景更具优势.

关键词：故障诊断、变工况、对抗学习、迁移学习

分类号：TH133.33

资助基金：陕西省重点研发计划2020ZDLGY07-06

在线出版日期：2022-11-22（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：26-34