典型文献
基于改进对抗迁移学习的滚动轴承故障诊断研究
文献摘要：
为解决故障诊断中标签不足的问题,该文以滚动轴承作为对象提出一种改进的对抗迁移学习模型.该模型通过一维卷积结构提取时间信号特征,能够直接处理时域振动信号,并通过大尺寸卷积核抑制噪声的干扰;在对抗迁移学习的域判别器中采用卷积结构替换全连接神经网络,以对抗训练的方式减少训练数据和测试数据间的分布差异,以提高故障诊断精度.将改进后的模型应用于两个滚动轴承故障诊断案例中,通过添加不同信噪比的噪声信号验证提出的模型具有良好的抗干扰能力,同时以故障分类正确率作为指标,验证该模型具有更高的诊断精度和鲁棒性.
文献关键词：
对抗迁移学习;故障诊断;一维卷积结构;域判别器
中图分类号：
作者姓名：
杨健;廖晨茜;蔡晋辉;曾九孙
作者机构：
中国计量大学计量测试工程学院,浙江 杭州 310018
文献出处：
引用格式：
[1]杨健;廖晨茜;蔡晋辉;曾九孙-.基于改进对抗迁移学习的滚动轴承故障诊断研究)[J].中国测试,2022(05):96-101
A类：
一维卷积结构
B类：
对抗迁移学习,滚动轴承故障诊断,诊断研究,中标,结构提取,提取时间,信号特征,够直,振动信号,大尺寸,卷积核,抑制噪声,域判别器,全连接神经网络,对抗训练,少训练,训练数据,测试数据,分布差异,故障诊断精度,模型应用,断案,噪声信号,抗干扰能力,故障分类
AB值：
0.260316
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。
