典型文献
基于DCGAN和DANN网络的滚动轴承跨域故障诊断
文献摘要：
实现滚动轴承智能故障诊断需要大量标签数据,但机械设备实际运行中因轴承故障无法提前收集充足振动信号,导致滚动轴承故障模式难以判断.为解决该问题,提出一种有效利用少量样本数据实现领域自适应的迁移学习模型.首先,通过深度生成式对抗网络(deep convolutional generative adversarial networks,DCGAN)实现少量振动信号的模拟式扩充,生成信号保留了真实信号完整的高频和低频特征;其次,通过对抗领域自适应网络(domain-adversarial neural networks,DANN)将源域与目标域特征投射到同一特征空间,实现多领域特征提取与适配;最后,通过智能诊断网络完成变工况下未知标签滚动轴承健康状态的识别.试验结果表明,所提方法在可用样本较少时能准确有效实现滚动轴承跨域故障诊断,准确率均优于其他迁移学习对比模型.
文献关键词：
故障诊断;迁移学习;领域自适应;深度生成式对抗网络(DCGAN);对抗领域自适应网络(DANN)
中图分类号：
作者姓名：
胡若晖;张敏;许文鑫
作者机构：
西南交通大学 机械工程学院,成都 610031;轨道交通运维技术与装备四川省重点实验室,成都 610031
文献出处：
引用格式：
[1]胡若晖;张敏;许文鑫-.基于DCGAN和DANN网络的滚动轴承跨域故障诊断)[J].振动与冲击,2022(06):21-29
A类：
多领域特征
B类：
DCGAN,DANN,滚动轴承,跨域故障诊断,轴承智能故障诊断,标签数据,机械设备,实际运行,轴承故障,振动信号,故障模式,少量样本,领域自适应,迁移学习,生成式对抗网络,deep,convolutional,generative,adversarial,networks,模拟式,低频特征,域自适应网络,domain,neural,源域,目标域,投射,射到,特征空间,智能诊断,断网,变工况,健康状态,少时,确有,对比模型
AB值：
0.331528
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。
