-
题名基于多层域适应的无标签数据故障诊断方法
被引量：1
- 1
-
-
作者
王进花
刘瑞
曹洁
-
机构
兰州理工大学电气工程与信息工程学院
甘肃省制造信息工程研究中心
-
出处
《北京航空航天大学学报》
北大核心
2025年第4期1185-1194,共10页
-
基金
国家重点研发计划(2020YFB1713600)
国家自然科学基金(62063020)
甘肃省自然科学基金(20JR5RA463)。
-
文摘
在工业生产中,由于源域数据和目标域数据分布有差异且有标签的故障数据量较少,以至于现有的域适应轴承故障诊断方法大多精度不高。基于此,提出多层域适应神经网络(MDANN)故障诊断方法,用于无标签数据的滚动轴承故障诊断。使用小波包分解与重构(WPT)对原始振动信号进行处理,以降低信号冗余并避免关键信号特征遗失;利用多核最大均值差异(MKMMD)算法对输入特征值进行差异计算,并通过反向传播更新多层域适应神经网络的参数,使其能够提取域不变特征;为保证无标签目标域数据可以正常参与网络训练,使用最大概率标签作为真实标签的伪标签策略,解决目标域无标签数据无法训练问题,增强模型可靠诊断知识的获取。采用2个公开数据集CWRU和PU进行验证。实验结果表明:所提方法与常见的域适应方法对比具有更高的诊断精度,说明该方法能够有效地学习可迁移特征,拟合2个数据集之间的数据分布差异。
-
关键词
滚动轴承
故障诊断
迁移学习
多层域适应
伪标签策略
-
Keywords
rolling bearing
fault diagnosis
transfer learning
multi-domain adaptation
pseudo-label strategy
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
TD453
[矿业工程—矿山机电]
-
