典型文献
基于特征的迁移神经网络轴承智能故障诊断
文献摘要：
为了提升传统迁移学习故障诊断中信息挖掘深度,实现不同机器间的迁移学习,提出了一种基于特征的迁移神经网络轴承智能故障诊断方法.首先利用一个域共享的卷积神经网络同时从BLMS和BRMS中提取原始振动数据的可传递特征.然后,提出了多层域自适应和伪标记学习的正则化项,对神经网络的参数施加约束,以减小学习的可迁移特征的分布差异和类间距离.利用实验室采集的电机轴承和齿轮箱轴承的数据,识别出实际情况下机车轴承的健康状态.结果表明,该方法能够有效地学习可传递特征,弥补BLMS和BRMS数据之间的差异,验证了该方法的有效性.
文献关键词：
迁移学习;神经网络;轴承;故障诊断
中图分类号：
作者姓名：
王业统;吴海威;李美;苏明
作者机构：
海南科技职业大学信息工程学院,海南 海口 571126;海南大学机电工程学院,海南 海口 570228;海南科技职业大学机电工程学院,海南 海口 571126
文献出处：
引用格式：
[1]王业统;吴海威;李美;苏明-.基于特征的迁移神经网络轴承智能故障诊断)[J].机械设计与制造,2022(08):80-87
A类：
BLMS
B类：
轴承智能故障诊断,迁移学习,中信,信息挖掘,机器间,故障诊断方法,BRMS,可传,域自适应,正则化,可迁移,迁移特征,分布差异,类间距离,电机轴承,齿轮箱轴承,下机,机车,车轴,健康状态,地学
AB值：
0.341487
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。
