基于多尺度分层交替迁移学习的小样本轴承跨域故障诊断
作者机构：上海电机学院电气学院
出 版 物：《轴承》 (Bearing)
年 卷 期：2023年
学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
主 题：滚动轴承 故障诊断 小样本 迁移学习 卷积神经网络(CNN)
摘 要：针对实际应用中训练样本不足以及跨工况轴承故障诊断中不同工况数据分布差异较大无法取得令人满意的诊断结果问题。提出了一种基于多尺度分层交替迁移学习的小样本轴承跨域故障诊断模型（MHATLN）。构造了一个多尺度的特征提取器，以减少信息损失，充分挖掘振动信号中的特征；为了处理域位移问题，提出分层交替迁移学习算法（HTAL），分层交替计算CORAL和LMMD损失函数，缩小源域和目标域分布距离。在西储大学轴承（CWRU）数据集和江南大学轴承数据集（JNU）进行了迁移实验，与一些经典模型对比和在小样本训练数据集的情况下，结果表明其优秀的特征迁移能力。
同方期刊数据库