典型文献
基于模型采样和领域对抗神经网络的轴承故障诊断方法
文献摘要：
为了适应不同产品的不同加工要求,轴承需要工作于不同的工况下,但是工况的变化会造成数据分布差异,从而导致轴承故障诊断模型的性能下降,同时目前也缺少针对无标签情况下实现故障类别均衡采样的方法,为此,提出了一种基于模型采样(MBS)和领域对抗神经网络(DANN)的轴承故障诊断方法.首先,使用基于模型采样(MBS)的方法,将预训练模型输出的类别概率分布作为采样依据,克服了在无标签目标工况下实现类别均衡采样的困难;然后,结合领域对抗神经网络(DANN),设计了将特征从目标工况迁移到源工况的网络结构;最后,在故障模拟实验数据上,建立了高精度的变工况轴承故障诊断模型,并将采用该方法所获结果与采用多种对照方法所获结果进行了对比分析,以验证该方法在变工况轴承故障诊断上的有效性和优越性.研究结果表明:在模拟实验中,采用基于MBS-DANN的方法可达到98.41％的平均诊断准确率,相比随机采样法提高超过10％;这说明无标签样本类别均衡采样具有重要意义,也可验证基于MBS-DANN的方法在变工况轴承故障诊断上的有效性和优越性.
文献关键词：
定厚辊轴承;无标签采样法;类别均衡采样;特征迁移学习;模型采样;领域对抗神经网络
中图分类号：
作者姓名：
高晗;毛阗;韦荣阳;张建中;黄立荣;杨健
作者机构：
浙江大学 化工机械研究所,浙江杭州310027;浙江大学 平衡建筑研究中心,浙江杭州310028;浙江大学 建筑设计研究院有限公司,浙江杭州310028;杭州元创新型材料科技有限公司,浙江杭州311500
文献出处：
引用格式：
[1]高晗;毛阗;韦荣阳;张建中;黄立荣;杨健-.基于模型采样和领域对抗神经网络的轴承故障诊断方法)[J].机电工程,2022(08):1024-1030
A类：
领域对抗神经网络,类别均衡采样,定厚辊轴承,无标签采样法
B类：
基于模型,模型采样,故障诊断方法,同产,造成数,数据分布,分布差异,故障诊断模型,性能下降,MBS,DANN,预训练模型,模型输出,概率分布,合领,工况迁移,故障模拟,模拟实验,变工况轴承故障诊断,诊断准确率,随机采样,高超,无标签样本,本类,可验证,特征迁移学习
AB值：
0.176649
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。
