典型文献
基于改进域对抗网络的轴承故障迁移诊断方法
文献摘要：
针对工业场景下复杂工况导致的轴承故障数据特征分布差异,以及难以获得大量有标签数据的问题,提出一种基于Wasserstein距离与局部最大平均偏差(LMMD)改进的一维卷积子域适应对抗迁移网络(SANN).该网络首先构建CNN特征提取器进行预训练,学习领域特征表示,在对抗训练阶段,对抗层引入Wasserstein距离来度量源域与目标域的差异,实现边缘分布的对齐,固化训练结果.在特征提取层引入LMMD计算模块捕获每个类别的细粒度信息,实现条件分布的对齐.通过两种变工况下的轴承故障数据集对该模型性能进行验证.实验结果表明,无监督的条件下,本文所提方法在目标数据集上相较于基础域对抗网络分别提高了 5.0％和6.9％的识别精度,性能优于现有的迁移算法.
文献关键词：
轴承故障;智能故障诊断;无标签数据;对抗迁移网络
中图分类号：
作者姓名：
张金汇;谢林柏
作者机构：
江南大学物联网工程学院 无锡 214122
文献出处：
引用格式：
[1]张金汇;谢林柏-.基于改进域对抗网络的轴承故障迁移诊断方法)[J].电子测量与仪器学报,2022(11):107-115
A类：
SANN
B类：
域对抗网络,轴承故障,迁移诊断,工业场景,复杂工况,故障数据,数据特征,特征分布,分布差异,难以获得,Wasserstein,大平,平均偏差,LMMD,一维卷积,子域,域适应,对抗迁移网络,预训练,学习领域,特征表示,对抗训练,训练阶段,对抗层,源域,目标域,边缘分布,对齐,细粒度信息,实现条件,条件分布,变工况,模型性能,无监督,识别精度,智能故障诊断,无标签数据
AB值：
0.446205
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。
