典型文献
类别标签辅助改进稠密网络的变工况轴承故障诊断
文献摘要：
基于数据驱动的滚动轴承智能故障诊断得到广泛研究,但多数研究中均假设训练数据与测试数据同分布,考虑到旋转机械实际运转中复杂多变的工况往往导致数据分布产生偏差,使得识别方法的通用性差、实际识别效果不佳.将域适应引入轴承故障诊断过程中,基于迁移学习提出了一种特征空间域和标签概率分布同步适应的迁移学习网络.该网络将一维稠密卷积网络及注意力机制融合实现复杂故障特征的自动提取;域适应处理通过联合最小化特征概率分布差异和标签概率分布差异来约束网络学习域不变特征;最终对变工况滚动轴承故障实现了高准确度的识别.实验结果表明了该方法的可行性及良好的性能.
文献关键词：
轴承故障诊断;变工况;稠密卷积网络;注意力机制;类别标签辅助
中图分类号：
作者姓名：
孙洁娣;刘保;温江涛;时培明;闫盛楠;肖启阳
作者机构：
燕山大学 信息科学与工程学院,河北秦皇岛 066004;燕山大学河北省信息传输与信号处理重点实验室,河北秦皇岛 066004;燕山大学 河北省测试计量技术及仪器重点实验室,河北 秦皇岛 066004;河南大学 人工智能学院,郑州 475000
文献出处：
引用格式：
[1]孙洁娣;刘保;温江涛;时培明;闫盛楠;肖启阳-.类别标签辅助改进稠密网络的变工况轴承故障诊断)[J].振动与冲击,2022(17):204-212
A类：
类别标签辅助,稠密卷积网络
B类：
稠密网络,变工况轴承故障诊断,滚动轴承,轴承智能故障诊断,训练数据,测试数据,同分布,旋转机械,数据分布,通用性,域适应,诊断过程,迁移学习,特征空间,空间域,概率分布,学习网络,注意力机制融合,复杂故障,故障特征,自动提取,分布差异,网络学习,不变特征,高准确度
AB值：
0.308046
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。
