领域对抗与分类差异的变工况球磨机负荷识别

作     者：蔡改贫 肖文聪 黄耀锋 Cai Gaipin;Xiao Wencong;Huang Yaofeng

作者机构：江西理工大学机电工程学院赣州341000 江西省矿冶机电工程技术研究中心赣州341000 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2023年第37卷第12期

页      面：67-75页

核心收录：

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 

基　　金：国家自然科学基金(52364025) 江西省科技厅重点研发计划项目(20181ACE50034)资助。 

主　　题：迁移学习 领域对抗 分类差异 域适应 负荷识别 

摘      要：在变工况球磨机负荷识别过程中,针对域适应方法在源域和目标域的特征迁移中没有考虑目标域样本而导致域适应效果不好的问题,本文提出一种基于领域对抗与分类差异的域适应方法。该方法使用域对抗训练方式实现源域和目标域之间的特征的对齐;同时,引入两个分类器用于检测远离目标域中的样本,利用最大化和最小化分类器之间的不一致性,实现目标域和源域特征的自适应匹配,达到更好的域适应效果。为了验证训练分类器误差的方法能够考虑类内边界提高目标域上的负荷识别准确率,设计了迁移实验分析其差异损失函数对模型迁移性能的影响,实验表明,当分类器损失值大于0.02时预测模型的准确率会下降0.8%~1.2%,且较未引入分类器差异损失模型的负荷精度高,可达到95.78%。通过与两类经典的迁移方法进行对比,验证了该方法在变工况下磨机负荷识别应用中的优势。