基于类别域自适应的滚动轴承故障诊断
Bearing fault diagnosis model based on class domain adaptation作者机构:湖南大学信息科学与工程学院长沙410082
出 版 物:《振动与冲击》 (Journal of Vibration and Shock)
年 卷 期:2023年第42卷第24期
页 面:117-126页
核心收录:
学科分类:0831[工学-生物医学工程(可授工学、理学、医学学位)] 1002[医学-临床医学] 08[工学] 080202[工学-机械电子工程] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程] 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)]
主 题:故障诊断 风电机组 滚动轴承 域自适应 卷积神经网络
摘 要:滚动轴承作为旋转机械的关键部件,在风电机组中故障频发严重制约了发电效率。而传统的滚动轴承故障诊断方法要求训练数据和测试数据服从同一分布,导致其泛化能力不足,并不能有效解决实际工业中的无标签跨域故障诊断问题。为此,提出了一种基于类别域自适应的轴承故障诊断方法,利用有标签的源域数据完成对无标签目标域的故障分类,该方法采用一维卷积神经网络作为特征提取器提取原始振动信号的深度特征,并依据源域故障类别设计了一组锚定器以缩小域间同类故障间距并扩大异类故障间距。并且两个轴承故障数据集上的对比试验结果表明所提方法的有效性,实现了高精度的跨域轴承故障诊断的目标,可以作为跨域诊断故障的有效工具。