域对抗图卷积注意力变工况故障研究 |
| |
引用本文: | 邢如意,尹洪申.域对抗图卷积注意力变工况故障研究[J].组合机床与自动化加工技术,2024(3):172-176. |
| |
作者姓名: | 邢如意 尹洪申 |
| |
作者单位: | 1. 江苏联合职业技术学院徐州财经分院;2. 中国矿业大学物联网(感知矿山)研究中心 |
| |
基金项目: | 国家自然科学基金项目(52074273);;国家重点研发计划项目(2017YFC0804400,2017YFC0804401); |
| |
摘 要: | 针对滚动轴承在变工况环境中网络特征提取能力不足的问题,提出了一种域对抗图卷积注意力迁移学习的故障诊断方法(DAGRESL)。首先,通过残差神经网络(residual network, Resnet)提取输入的轴承故障信息特征并通过Simam注意力模块增强Resnet的特征表达能力;其次,利用图生成层学习Resnet的特征数据并挖掘样本结构特征之间的关系来构造实例图;然后,利用图卷积网络(graph convolutional network, GCN)对实例图进行建模;最后,利用域判别器和局部最大平均差异(local maximum mean discrepancy, LMMD)对齐子域和全局域之间的分布并通过标签分类网络完成故障分类。通过在SQI-MFS轴承数据集的实验结果证明了所提出的DAGRESL模型能够精准地区分变工况轴承故障类型,有效解决了滚动轴承在变工况环境中网络特征提取能力不足的问题。
|
关 键 词: | 故障诊断 变工况 卷积注意力模块 图卷积 |
|
|