咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >仿真数据驱动的改进无监督域适应轴承故障诊断 收藏

仿真数据驱动的改进无监督域适应轴承故障诊断

Simulation Data-driven Enhanced Unsupervised Domain Adaptation for Bearing Fault Diagnosis

作     者:邵海东 肖一鸣 颜深 SHAO Haidong;XIAO Yiming;YAN Shen

作者机构:湖南大学机械与运载工程学院长沙410082 

出 版 物:《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期:2023年第59卷第3期

页      面:76-85页

核心收录:

学科分类:08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基  金:国家自然科学基金(51905160) 湖南省自然科学基金优秀青年科学基金(2021JJ20017)资助项目 

主  题:仿真数据驱动 无监督域适应 轴承故障诊断 改进损失函数 权值分配机制 

摘      要:现有无监督的轴承跨域故障诊断研究往往采用充足的试验台数据构建源域,且难以兼顾领域间的边缘分布和条件分布对齐,此外在域适配过程中全体源域样本被赋予相同的重要性。针对以上挑战,提出了一种仿真数据驱动的改进无监督域适应轴承故障诊断新方法。采用仿真所得的故障信息丰富,标签数据充足的轴承故障数据构建源域,降低对试验台资源的依赖。设计了一种嵌入联合最大均值差异的改进损失函数,在无监督场景下实现了不同域间边缘分布和条件分布的同时对齐。开发了一种源域样本权值分配机制,通过领域预测误差衡量源域样本与目标域样本的相似性从而自适应地分配其权值以抑制负迁移。使用两组试验台数据作为目标域对所提方法进行验证,结果表明:所提方法能够充分适配仿真域和实验域的深层特征分布,提高无监督跨域场景下的故障诊断精度。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分