摘 要: |  针对仿真数据驱动的迁移故障诊断方法中虚实数据域差异过大带来的负迁移问题,提出一种基于虚实域多层级联合适应网络(VDMJAN)的故障仿真到现实诊断方法.采用非规则损伤形态的轴承故障动力学仿真模型,生成测试实体轴承的故障虚拟信号;构建不同尺寸卷积核的深度卷积神经网络,对虚实域信号进行粗细粒度特征提取;采用多分类器并行输出概率融合法对实测样本进行伪标签标注,对仿真与实测样本进行不同层级的领域特征精细对齐;引入VDMJAN训练的有效性损失,保证了多分类器对实测样本状态识别的一致性,并采用已对齐实测数据对分类器进行校正微调. 两个实验分析结果表明,所提出的VDMJAN在实测故障样本标签信息完全缺失的情况下,能够有效实现从仿真到现实的故障诊断,在特殊环境下样本稀缺的设备故障诊断领域具有较好的应用前景.

|