基于无监督特征对齐的变负载下滚动轴承故障诊断方法

• 作者: V. I. MIKULOVICH 康守强 王玉静 谢金宝 邹佳悦
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 故障诊断 迁移学习 无监督领域适应 滚动轴承 变负载
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电机与电器
• 页码范围: 274-281
• 页数: 8页
• 分类号: TH165
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.190626

摘要

针对滚动轴承实际工作中缺少某种负载数据,使得源领域数据与目标领域数据属于不同分布,以及目标领域样本不含标签的问题,提出一种多域特征构建和无监督特征对齐的滚动轴承故障诊断方法.该方法利用变分模态分解结合奇异值分解获取振动信号的时频特征,再结合振动信号时域、频域特征构建多域特征集;引入迁移学习中能够实现无监督领域适应的子空间对齐(subspace alignment,SA)算法并进行改进,提出将核映射方法与SA算法相结合.将训练数据和测试数据映射到相同高维空间,在高维空间的子空间进行特征对齐,以增加数据类间区分性,实现不同负载下源领域特征向目标领域特征对齐.实验研究表明,与部分降维方法及无监督迁移学习方法相比,所提方法在目标领域无标签的情况下,能够利用滚动轴承已知负载数据识别出其他负载数据对应的状态,并具有较高的故障诊断准确率.