基于深度特征提取和对抗域适应网络的滚动轴承故障诊断

摘要：

实现轴承的智能化诊断是实现旋转设备的智能化诊断的关键.在轴承故障诊断实际情况中存在特征提取不完全、变工况情况下传统的诊断方法效率低的问题.针对这个问题,提出了一种组合方法.在该方法中使用具有宽卷积核的卷积神经网络与长短时记忆网络组合的深度特征提取网络对原始的振动信号进行深层次的特征提取,其次以对抗域适应网络实现源域与目标域间的知识迁移,解决了变工况情况下的跨域诊断能力不理想的问题.并对所提方法进行了验证,实验结果表明,所提方法能够有效地实现对轴承振动信号的深度提取以及识别变工况情况下的轴承故障类型,提高了跨域诊能力.

关键词：深度特征提取、轴承、长短时记忆网络、对抗域适应网络、迁移学习

分类号：TH133.33

资助基金：江苏省碳达峰碳中和科技创新专项BA2022106

在线出版日期：2023-04-26（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：9-15