典型文献
基于深度特征选取的旋转机械跨域故障诊断
文献摘要：
在实际的工业场景中,对旋转机械进行故障诊断时,存在着标签故障样本不足和数据分布差异的问题,为此,基于深度特征选取和迁移学习方法,提出了一种新的跨域故障诊断方法.首先,利用深度自编码器进行了深度特征提取,利用不同激活函数下的深度自编码器提取出的深度特征,构建了深度特征池;然后,采用提出的面向跨域诊断的特征选取方法,选取了可迁移特征用于后续的特征迁移学习,利用所提出的改进联合分布适应方法,降低了源域和目标域特征数据间分布差异;最后,基于经迁移学习后的有标签源域样本和无标签目标域样本,对故障识别分类器进行了训练,并利用机械故障模拟实验台的轴承和电机故障数据,开展了旋转机械跨域故障诊断的实验.研究结果表明:与对比模型相比,所提出的方法能够取得更优秀的跨域故障诊断性能;在选取合适的特征数时,其最大故障诊断准确率明显高于其他对比模型(其中,轴承为95.42％,电机为88.67％).
文献关键词：
转动机件;标签故障样本不足;深度特征选取;联合分布适应;多核最大均值差异;迁移学习方法;深度自编码器
中图分类号：
作者姓名：
何财林;费国华;朱坚;董飞;宋俊材
作者机构：
浙江工业职业技术学院机电工程学院,浙江绍兴312099;嘉兴技师学院,浙江嘉兴314001;杭州第一技师学院,浙江杭州310023;安徽大学互联网学院,安徽合肥230039
文献出处：
引用格式：
[1]何财林;费国华;朱坚;董飞;宋俊材-.基于深度特征选取的旋转机械跨域故障诊断)[J].机电工程,2022(10):1345-1355
A类：
深度特征选取,标签故障样本不足,联合分布适应,转动机件
B类：
旋转机械,跨域故障诊断,工业场景,数据分布,分布差异,迁移学习方法,故障诊断方法,深度自编码器,深度特征提取,激活函数,可迁移,迁移特征,征用,特征迁移学习,源域,目标域,域特征数,特征数据,无标签,故障识别,识别分类,分类器,机械故障模拟实验台,轴承,电机故障,故障数据,对比模型,诊断性,大故,故障诊断准确率,多核最大均值差异
AB值：
0.231729
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。
