典型文献
基于相似性度量迁移学习的轴承故障诊断
文献摘要：
滚动轴承工况多变,受负荷、转速等因素影响,故障信号的特征分布偏移会显著降低故障诊断模型的泛化能力.针对此问题,提出一种基于相似性度量迁移学习的轴承故障诊断方法.将迁移学习和相似性度量的思想结合,通过相关对齐损失计算变工况故障特征之间的相关性,最小化源域和目标域特征之间的分布差异.同时最大化输入特征与中心特征的相似性,利用目标域预测标签中包含的故障分类信息,提高故障特征聚类的准确性,来增加高相关性特征对模型的贡献度,减小非相关特征的影响.最后利用学习到的特征实现故障分类.在CWRU和自搭建试验平台上进行了对比试验,证明了所述方法能够更加准确地分类故障信号,更好解决不同工况下由特征分布偏移带来的故障诊断难点问题.
文献关键词：
滚动轴承;故障诊断;迁移学习;相似性度量;特征分布
中图分类号：
作者姓名：
徐易芸;马健;陈良;沈长青;李奇;孔林
作者机构：
苏州大学 机电工程学院,江苏苏州215131;苏州大学 轨道交通学院,江苏苏州215131;长光卫星技术有限公司,长春130102
文献出处：
引用格式：
[1]徐易芸;马健;陈良;沈长青;李奇;孔林-.基于相似性度量迁移学习的轴承故障诊断)[J].振动与冲击,2022(16):217-223
A类：
B类：
相似性度量,迁移学习,轴承故障诊断,滚动轴承,故障信号,特征分布,故障诊断模型,泛化能力,故障诊断方法,对齐,损失计算,变工况,故障特征,源域,目标域,分布差异,输入特征,域预测,故障分类,分类信息,特征聚类,贡献度,用学,征实,CWRU,试验平台,决不,不同工况
AB值：
0.351385
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。
