典型文献
注意力深度迁移联合适配的不同工况下旋转机械故障诊断方法
文献摘要：
针对不同工况下旋转机械数据分布存在差异导致故障特征无法精确表征问题,提出注意力深度迁移联合适配的不同工况下旋转机械故障诊断方法.首先,将频域特征以单边谱形式输入深度卷积神经网络,保留原始信号特征的同时减小网络输入维度,有效提升网络训练效率.然后,挖掘两域样本特征形成对应域分布式特征表达,以小型通道注意力机制关注两域形成的特征通道间的内在联系,聚焦两域故障本质特征.进而,以最小均值差异距离为度量,最小化特征通道分布差异,实现故障特征迁移适配.最后,通过全连接层整合适配后的分类信息,实现不同工况下旋转机械故障诊断.通过不同工况下两组旋转机械故障诊断试验,证明了所提方法具有较高的诊断精度和泛化能力.
文献关键词：
旋转机械;不同工况;深度迁移;通道注意力机制;故障诊断
中图分类号：
作者姓名：
熊隽;陈林
作者机构：
泸州职业技术学院智能制造与汽车工程学院,四川泸州646000
文献出处：
引用格式：
[1]熊隽;陈林-.注意力深度迁移联合适配的不同工况下旋转机械故障诊断方法)[J].制造技术与机床,2022(10):29-37
A类：
B类：
深度迁移,不同工况,下旋,旋转机械故障诊断,故障诊断方法,数据分布,故障特征,精确表征,频域特征,单边,深度卷积神经网络,信号特征,网络训练,训练效率,样本特征,分布式特征,特征表达,通道注意力机制,本质特征,均值差,分布差异,特征迁移,全连接层,分类信息,诊断试验,泛化能力
AB值：
0.238594
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。
