典型文献
面向轴承智能诊断的多领域深度对抗迁移网络
文献摘要：
针对不同工况下轴承监测数据分布差异性导致的诊断精度下降问题,基于深度学习与迁移学习,提出一种多领域深度对抗迁移网络,用于变工况下轴承的智能诊断.将不同工况下的样本集视作属于不同的领域,在特征提取时利用深度残差网络将轴承源域的训练数据与目标域的测试数据映射到高维特征空间,提取监测数据高层抽象的特征表示;设计多领域对抗模块,以支持多故障模式的轴承样本在不同领域对抗模块上进行对抗迁移训练,保障源域与目标域数据在特征空间中的分布有效对齐;在利用源域数据训练故障分类器时引入标签平滑约束,增强故障识别的泛化能力,将源域故障诊断知识迁移到目标域数据的故障信息识别,实现变工况下的轴承智能诊断.利用变工况下的齿轮箱轴承故障数据集与电机轴承数据集对提出方法进行验证,结果表明:相比其他方法,提出的新方法考虑了轴承监测数据的多故障模式结构,更好地提取了领域不变特征,提升了变工况下轴承故障的识别精度.
文献关键词：
深度学习;变工况;轴承;领域对抗;迁移学习;智能诊断
中图分类号：
作者姓名：
贾峰;李世豪;沈建军;关海宁
作者机构：
道路施工技术与装备教育部重点实验室(长安大学) ,西安710064
文献出处：
引用格式：
[1]贾峰;李世豪;沈建军;关海宁-.面向轴承智能诊断的多领域深度对抗迁移网络)[J].哈尔滨工业大学学报,2022(07):120-127,135
A类：
轴承监测数据
B类：
智能诊断,对抗迁移网络,不同工况,数据分布,分布差异,迁移学习,变工况,样本集,深度残差网络,源域,训练数据,目标域,测试数据,数据映射,射到,高维特征空间,特征表示,领域对抗,多故障,故障模式,迁移训练,对齐,数据训练,故障分类器,标签平滑,平滑约束,故障识别,泛化能力,知识迁移,故障信息,信息识别,齿轮箱轴承,轴承故障,故障数据,电机轴承,轴承数据,其他方法,法考,式结构,不变特征,识别精度
AB值：
0.344249
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
