基于域适应与分类器差异的滚动轴承跨域故障诊断

• 作者: 张永超 李琦 任朝晖 周世华
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 故障诊断 域适应 卷积神经网络 最大平均差异 滚动轴承
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 机械工程
• 页码范围: 367-372
• 页数: 6页
• 分类号: TH17
• 语种: 中文
• DOI: 10.12068/j.issn.1005-3026.2021.03.010

摘要

基于数据驱动方法诊断滚动轴承故障时,不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题,提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分类器差异损失,实现源域和目标域之间的域分布对齐,从而实现无标记目标域样本的故障诊断.实验结果表明,所提方法与主流的域适应方法相比具有更高故障诊断准确率,验证了该方法的合理性和可行性.