典型文献
基于多对抗域适应网络的多工况故障诊断
文献摘要：
针对机械设备在多工况下采集到的数据存在分布差异、分类精度较低且人工标注成本较高的问题,提出了小波时频图与迁移学习的多对抗域适应网络(Multi-Adversarial Domain Adaptation,MADA)结合的智能故障诊断方法(CWT-MADA),用于多工况的故障诊断.该方法构建双流深度卷积神经网络学习源域和目标域的原始信息和时频图特征,该组合特征有助于解决故障特征利用不充分的问题;通过源域样本聚类对目标域样本进行打伪标记,并在多对抗域适应过程中约束特征提取器,不断拉近不同域中同类之间的距离,减少工况变换造成的分布差异;与几个目前先进的领域自适应方法进行了对比实验,实验结果表明,CWT-MADA方法在多工况故障诊断中具有较高的准确率.
文献关键词：
故障诊断;小波时频图;多对抗域适应网络;卷积神经网络;迁移学习
中图分类号：
作者姓名：
赵晓辉;田玉玲
作者机构：
太原理工大学信息与计算机学院,山西晋中030600
文献出处：
引用格式：
[1]赵晓辉;田玉玲-.基于多对抗域适应网络的多工况故障诊断)[J].电子设计工程,2022(15):137-142
A类：
多对抗域适应网络,MADA
B类：
多工况故障诊断,机械设备,分布差异,分类精度,小波时频图,迁移学习,Multi,Adversarial,Domain,Adaptation,智能故障诊断,故障诊断方法,CWT,双流,深度卷积神经网络,神经网络学习,源域,目标域,该组,组合特征,故障特征,适应过程,拉近,领域自适应,自适应方法
AB值：
0.271926
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。
