典型文献
基于选择性加权适配网络的多域新故障识别方法
文献摘要：
针对深度迁移学习诊断方法要求机械设备训练数据与测试数据具有相同类别空间,同时难以有效识别新故障的问题,提出了一种基于选择性加权适配网络的多域新故障识别方法.所提方法利用一维卷积神经网络提取源域与目标域深度判别特征,并集成领域判别器与多分类器结构,构建源域与目标域权重函数,自适应度量源域与目标域类别的相似程度;从而利用对抗学习策略来有效减少源域与目标域共享类数据的分布差异;最后利用高斯分布拟合方法自动判别权重阈值,实现对目标域已知故障和新故障的有效诊断.在齿轮箱变工况迁移诊断任务上对所提方法进行分析与应用验证,并与现有的其它方法进行比较,所提方法在所有任务上的调和平均值(E-score)达到0.8以上,验证了所提方法的有效性与优越性.
文献关键词：
故障诊断;对抗学习;新故障;深度学习;迁移学习
中图分类号：
作者姓名：
陈祝云;林慧斌;夏景演;晋刚;李巍华
作者机构：
华南理工大学机械与汽车工程学院 广州 511442;琶洲实验室 广州 510005;北京信息科技大学重点科研机构 北京 100192;华南理工大学吴贤铭智能工程学院 广州 511442
文献出处：
引用格式：
[1]陈祝云;林慧斌;夏景演;晋刚;李巍华-.基于选择性加权适配网络的多域新故障识别方法)[J].仪器仪表学报,2022(10):270-279
A类：
判别权重
B类：
配网,多域,新故障,故障识别方法,深度迁移学习,学习诊断,机械设备,训练数据,测试数据,法利,一维卷积神经网络,源域,目标域,深度判别,域判别器,多分类器,分类器结构,权重函数,适应度,相似程度,对抗学习,学习策略,分布差异,高斯分布,分布拟合,拟合方法,齿轮箱,箱变,变工况,工况迁移,迁移诊断,分析与应用,应用验证,调和平均,score
AB值：
0.418645
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。
