基于可迁移注意力和动态卷积的滚动轴承跨工况故障诊断方法

作     者：王煜伟 朱静 史曜炜 邓艾东 WANG Yuwei;ZHU Jing;SHI Yaowei;DENG Aidong

作者机构：国家能源集团谏壁发电厂江苏镇江212006 河南科技大学车辆与交通工程学院河南洛阳471000 东南大学能源与环境学院南京210000 

出 版 物：《轴承》 (Bearing)

年 卷 期：2024年第2期

页      面：82-88页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 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）] 

基　　金：江苏省科技计划资助项目(BE2020034) 江苏省科技支撑计划资助项目(BA2022214) 

主　　题：滚动轴承 故障诊断 迁移学习 特征提取 动态卷积 变工况 注意力机制 

摘      要：为克服跨工况场景中数据分布差异导致的传统深度学习模型泛化性能降低问题,基于领域自适应理论提出了一种结合可迁移注意力和动态卷积的滚动轴承跨工况故障诊断方法(TADAN)。TADAN的核心思想是在学习丰富互补的多尺度特征基础上量化不同尺度特征的可迁移性并对其进行差异性强化和融合,以提高所学特征表示的可迁移性和模型的适用性,从而学习到富含判别故障信息的领域不变的诊断知识,在无监督目标域中实现高性能诊断。公开轴承数据集上大量诊断任务的试验结果表明,基于动态卷积的多尺度特征提取器可以提取更丰富的特征并提高模型的自适应能力,可迁移计算模块可促进领域不变特征的学习并降低负迁移风险,TADAN比SCNN,MCNN,DAN等方法的故障诊断准确率更高。