基于MMDFE-DA的滚动轴承故障诊断方法
Rolling Bearing Fault Diagnosis Based on Multi‑scale Mixed Domain Feature Extraction and Domain Adaptation作者机构:西安交通大学机械工程学院西安710049 新疆大学机械工程学院乌鲁木齐830047
出 版 物:《振动.测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)
年 卷 期:2022年第42卷第1期
页 面:182-189,203页
核心收录:
学科分类:0711[理学-系统科学] 08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0701[理学-数学] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家重点研发计划资助项目(2020YFB1710002) 国家自然科学基金资助项目(51775409) 装备预研共用技术和领域基金资助项目(6140004030116JW08001)。
主 题:故障诊断 滚动轴承 领域自适应 随机森林 多尺度混合域特征
摘 要:针对变工况条件下轴承训练数据集和测试数据集存在分布差异,导致智能诊断模型泛化能力不足,且需针对不同任务分别建模问题,提出一种基于多尺度混合域特征提取(multi⁃scale mixed domain feature extraction,简称MMDFE)和领域自适应(domain adaptation,简称DA)的滚动轴承智能故障诊断方法。首先,引入变分模态分解提取多尺度混合域特征,构建完备的特征空间;其次,通过随机森林算法实现特征的降维和优选,消除冗余信息;然后,应用优选后的特征结合流形嵌入式分布对齐方法实现不同领域数据的分布对齐及跨域诊断;最后,采用不同工况下的数据集进行验证,并与传统的智能诊断方法和迁移学习方法进行对比,结果表明,所提方法可以准确有效实现跨域诊断。