典型文献
基于子领域自适应的变工况下滚动轴承故障诊断
文献摘要：
针对变工况环境下采集到的滚动轴承振动数据特征分布不一致及待诊断样本标签较难获取的问题,提出了一种子领域自适应的深度迁移学习故障诊断方法.首先,为充分利用卷积神经网络图像特征提取能力,将滚动轴承振动信号采用连续小波变换生成图像数据集;其次,源域与目标域通用特征提取采用改进图像集预训练的ResNet-50网络结构,子领域自适应度量引入局部最大均值差异(LMMD)准则,该度量准则通过计算目标域伪标签以匹配条件分布距离来进行子领域自适应,从而减小不同工况下的子类故障特征分布差异,提高模型诊断精度;最后,在两个公开变工况滚动轴承故障数据集上进行试验验证,结果表明,本文方法平均识别准确率为99％左右,并将其与不同诊断方法进行了对比分析,说明了本文方法的有效性与优越性.
文献关键词：
故障诊断;滚动轴承;子领域自适应;变工况;残差网络
中图分类号：
作者姓名：
董绍江;朱朋;裴雪武;李洋;胡小林
作者机构：
重庆交通大学机电与车辆工程学院,重庆400074;重庆工业大数据创新中心有限公司 重庆404100
文献出处：
引用格式：
[1]董绍江;朱朋;裴雪武;李洋;胡小林-.基于子领域自适应的变工况下滚动轴承故障诊断)[J].吉林大学学报（工学版）,2022(02):288-295
A类：
B类：
子领域自适应,变工况,滚动轴承故障诊断,数据特征,特征分布,样本标签,深度迁移学习,故障诊断方法,网络图像,图像特征提取,特征提取能力,滚动轴承振动信号,连续小波变换,成图,图像数据集,源域,目标域,预训练,ResNet,适应度,最大均值差异,LMMD,度量准则,伪标签,条件分布,不同工况,子类,故障特征,分布差异,故障数据,识别准确率,残差网络
AB值：
0.296839
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。
