典型文献
基于多源域深度迁移学习的舵机在线故障诊断
文献摘要：
针对航空武器不同舵机轴承在不同负载力矩下呈现特征数据与工作状态映射关系难以定量表达,开展未知领域的状态识别是一条可行的技术路线;引入多源域深度迁移学习的思想,提出具有多核MMD的MSFAN故障诊断方法.采用傅里叶变换提取不同域原始数据的时频域特征,通过多核MMD距离度量方式减小源域和目标域之间的特征分布差异;利用特定域分类器降低不同域对目标样本在类边界附近的分类损失,提高模型在目标域中的分类精度.试验分别采用公开轴承数据集作为源域数据,使用该方法对目标域数据进行状态识别,与Alxnet、Rexnet18等诊断算法相比,所提方法获得较好的转移性能,基本达到100％的故障识别率.
文献关键词：
舵机;轴承;多源域深度迁移学习;MSFAN;故障诊断
中图分类号：
作者姓名：
吕丞辉;程进军;胡阳光;文斌成;李剑峰
作者机构：
空军工程大学 航空工程学院,西安 710038;63768 部队,西安 710000
文献出处：
引用格式：
[1]吕丞辉;程进军;胡阳光;文斌成;李剑峰-.基于多源域深度迁移学习的舵机在线故障诊断)[J].兵器装备工程学报,2022(09):60-67
A类：
多源域深度迁移学习,MSFAN,Alxnet,Rexnet18
B类：
舵机,在线故障诊断,机轴,不同负载,负载力矩,特征数据,工作状态,状态映射,映射关系,以定,定量表达,未知领域,状态识别,多核,MMD,故障诊断方法,傅里叶变换,原始数据,时频域特征,距离度量,度量方式,小源,目标域,特征分布,分布差异,分类器,分类精度,轴承数据,转移性,故障识别率
AB值：
0.31572
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。
