基于多尺度残差子域适应的轴承故障诊断方法

• Published in: 郑州大学学报（理学版） Vol. 55; no. 5; pp. 39 - 46
• Main Authors: 刘晶, 宁森, 徐伟杰, 盛译瑶, 季海鹏
• Format: Journal Article
• Language: Chinese
• Published: 河北省数据驱动工业智能工程研究中心 天津 300400 01.09.2023; 河北工业大学 人工智能与数据科学学院 天津 300400; 天津开发区精诺瀚海数据科技有限公司 天津 300400%河北工业大学 人工智能与数据科学学院 天津 300400%中信戴卡股份有限公司 河北 秦皇岛 066000%昆士兰大学 昆士兰州 4072%河北省数据驱动工业智能工程研究中心 天津 300400; 天津开发区精诺瀚海数据科技有限公司 天津 300400; 河北工业大学 材料科学与工程学院 天津 300400
• Subjects: 局部中心距差异; 多尺度残差网络; local central moment discrepancy; status identification; multi-scale residual network; 轴承故障诊断; 子域适应; sub-domain adaptation; bearing fault diagnosis; 状态识别
• ISSN: 1671-6841
• DOI: 10.13705/j.issn.1671-6841.2022170

TH133.3; 针对不同工况下轴承监测数据分布差异性大且带有标签数据稀缺的问题,提出一种基于多尺度残差子域适应的轴承故障诊断方法.首先,构建多尺度残差网络,提取源域与目标域的可迁移特征;其次,通过局部中心距差异对齐源域和目标域中同一类别的相关子域分布;最后,将局部中心距差异和分类器损失作为目标优化函数,完成模型训练,实现目标域数据的状态识别,并通过实验表明,该方法在目标域数据无标签的情况下准确率可以达到98%以上,满足工程应用的实际需求.