典型文献
智能化滚珠丝杠副退化状态的评估方法
文献摘要：
现有滚珠丝杠副退化状态评估方法通常假设已有充足且带标签的数据集,但实际工程应用中故障成本过高、获取标签难度过大,难以在特定工况下获得大量带标签数据集.?针对上述问题,提出一种基于多尺度对抗域对抗学习的智能化状态评估方法,结合注意力卷积神经网络模块和域对抗学习模块,利用不同工况下采集的传感器信号建立深度学习模型,从而自适应地学习域不变特征并实现高效的知识复用和特征迁移;利用多工况下采集的滚珠丝杠副退化信号构建试验数据集来验证方法的有效性.?研究结果表明:本文方法在6个标签缺失跨工况条件下的滚珠丝杠副退化状态识别子任务中均取得了高于89.02％的识别准确率;能够充分迁移带标签数据的关键特征,实现了标签样本缺失条件下目标工况退化状态识别.
文献关键词：
滚珠丝杠副;退化状态评估;深度学习;域对抗学习
中图分类号：
作者姓名：
张江泉;高宏力;向守兵;郭亮;谭咏文
作者机构：
西南交通大学机械工程学院,四川 成都 610031;国防科技大学装备综合保障技术重点实验室,湖南 长沙410073
文献出处：
引用格式：
[1]张江泉;高宏力;向守兵;郭亮;谭咏文-.智能化滚珠丝杠副退化状态的评估方法)[J].西南交通大学学报,2022(04):813-820
A类：
域对抗学习
B类：
滚珠丝杠副,退化状态评估,实际工程应用,特定工况,标签数据集,卷积神经网络模块,学习模块,不同工况,传感器信号,深度学习模型,地学,不变特征,复用,特征迁移,多工况,验证方法,工况条件,状态识别,别子,子任务,识别准确率,关键特征
AB值：
0.231599
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。
