典型文献
基于对称式对比学习的齿轮箱无监督故障诊断方法
文献摘要：
针对跨工况下无监故障诊断特征提取难、模型泛化性弱的问题,提出一种基于对称式对比学习策略的齿轮箱无监督故障诊断方法.首先,利用原始信号构建正负样本集,通过加噪声、序列倒转等数据增强后,分别输入两个结构相同的卷积神经网络提取高维特征;其次,度量正负样本的相似程度进行编码学习数据的隐藏表示,通过对称式自监督对比学习优化正负样本的对比估计损失函数,从而有效利用样本自身标签信息,提升网络从无标签样本中学习判别特征的能力;最后,在齿轮箱数据集上对所提方法开展试验验证,通过聚类准确率、分类系数和划分熵进行综合评估.结果表明,所提方法聚类精度可达98％以上,相比其他方法,呈现了更强的聚类能力和泛化性能.
文献关键词：
故障诊断;无监督学习;齿轮箱;自监督学习;对比学习
中图分类号：
作者姓名：
李巍华;何琛;陈祝云;黄如意;晋刚
作者机构：
华南理工大学吴贤铭智能工程学院 广州 511442;华南理工大学机械与汽车工程学院 广州 510640
文献出处：
引用格式：
[1]李巍华;何琛;陈祝云;黄如意;晋刚-.基于对称式对比学习的齿轮箱无监督故障诊断方法)[J].仪器仪表学报,2022(03):121-131
A类：
B类：
齿轮箱,故障诊断方法,诊断特征,模型泛化性,学习策略,正负样本,样本集,倒转,数据增强,别输,高维特征,相似程度,学习数据,自监督对比学习,学习优化,损失函数,标签信息,无标签样本,聚类精度,其他方法,泛化性能,无监督学习,自监督学习
AB值：
0.307179
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。
