深度子领域自适应网络电机滚动轴承跨工况故障诊断
Across Working Conditions Fault Diagnosis for Motor Rolling Bearing Based on Deep Subdomain Adaption Network作者机构:江苏大学电气信息工程学院镇江212013
出 版 物:《电工技术学报》 (Transactions of China Electrotechnical Society)
年 卷 期:2024年第39卷第1期
页 面:182-193页
核心收录:
学科分类:080801[工学-电机与电器] 0808[工学-电气工程] 08[工学]
基 金:国家自然科学基金青年科学基金(52007078,62002140) 江苏省自然科学基金(BK20200887) 江苏省“双创”项目资助
摘 要:针对实际生产中旋转机械工况变化引起状态监测数据分布差异及获取待诊断样本标签困难问题,提出多尺度子领域自适应模型(MSDAM)的跨工况下滚动轴承故障诊断方法。首先,以原始振动信号作为输入,无需信号预处理及人工特征参数提取;其次,搭建多尺度卷积神经网络将已知标签样本和待诊断样本特征迁移到同一子空间,捕获具有细粒度信息的多尺度公共特征;然后,以不同的故障类型来划分相关子域,并通过局部最大均值距离(LMMD)来完成子域的适配,有效削弱不同工况同类故障特征的分布差异;最后,在三个数据集的多个迁移任务上进行试验验证。结果证明,所提MSDAM的跨工况故障诊断性能优于关注全局领域适配的迁移学习方法。