典型文献
一种面向旋转机械的基于Transformer特征提取的域自适应故障诊断
文献摘要：
针对基于深度学习的旋转机械故障诊断方法在新工作条件下缺乏标注数据、跨域诊断精度较低的问题,提出了一种基于Transformer的域自适应故障诊断方法.采用Transformer的变体VOLO构造特征提取器以获取细粒度更佳的故障特征表示.利用源域数据进行监督学习对源域和目标域数据的特征提取器进行预训练,并且冻结源域提取器参数以获取固定的源域特征.利用域对抗自适应策略和局部最大平均差异结合目标域未标注数据训练目标域特征提取器,实现源域特征与目标域特征的边缘分布、条件分布对齐.通过两个多工况实验对所提出的故障诊断算法进行了验证,结果表明提出的基于Transformer特征提取的域自适应故障诊断方法相比5种传统域自适应方法,在齿轮和轴承数据集上分别平均提升了 22.15％和11.67％的诊断精度,证明所提出方法对于跨域诊断精度具有提升作用.
文献关键词：
特征提取;域自适应;故障诊断;深度学习
中图分类号：
作者姓名：
黄星华;吴天舒;杨龙玉;胡友强;柴毅
作者机构：
重庆大学自动化学院 重庆 400030
文献出处：
引用格式：
[1]黄星华;吴天舒;杨龙玉;胡友强;柴毅-.一种面向旋转机械的基于Transformer特征提取的域自适应故障诊断)[J].仪器仪表学报,2022(11):210-218
A类：
VOLO
B类：
Transformer,域自适应,旋转机械故障诊断,故障诊断方法,工作条件,跨域,变体,构造特征,细粒度,故障特征,特征表示,源域,监督学习,目标域,预训练,冻结,自适应策略,最大平均差异,数据训练,边缘分布,条件分布,分布对齐,多工况,故障诊断算法,自适应方法,齿轮,轴承数据,提升作用
AB值：
0.315985
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。
