基于中间桥层和相似矩阵的深度对抗迁移故障诊断方法 |
| |
引用本文: | 蔡能,武兵,李翔宇,李聪明.基于中间桥层和相似矩阵的深度对抗迁移故障诊断方法[J].机电工程,2023(5):655-663+672. |
| |
作者姓名: | 蔡能 武兵 李翔宇 李聪明 |
| |
作者单位: | 1. 太原理工大学机械与运载工程学院;2. 太原理工大学新型传感器与智能控制教育部重点实验室 |
| |
基金项目: | 国家自然科学基金青年基金资助项目(72101173); |
| |
摘 要: | 采用深度对抗迁移学习算法进行故障诊断时,受到领域中丰富的特征属性的影响,在领域自适应中无法充分学习可用于迁移的共有知识特征,且其在类别水平上忽略了不同类别的对齐程度的差异。针对这一问题,提出了一种基于中间桥层和相似矩阵(MB-SM)的对抗故障诊断模型,以实现对滚动轴承故障进行跨域诊断识别的目的。首先,利用改进的一维多尺度残差网络对数据的特征进行了提取;然后,引入了中间桥层和相似矩阵,完成了对共有知识特征的充分学习,降低了整体网络的数据传输难度,进一步加强了源域和目标域中同一类别内的聚类和类别之间的分离,提高了故障数据的领域适配能力;最后,采用实验室轴承数据集和美国凯斯西储大学(CWRU)数据集,对基于中间桥层和相似矩阵的模型方法进行了验证。研究结果表明:在自建实验室数据集中,采用基于中间桥层和相似矩阵的方法可以达到90.37%的平均准确率;在美国凯斯西储大学(CWRU)数据集中,也可以达到99.34%的平均准确率。相较于其他迁移学习对比模型,采用该模型方法可以获得更好的诊断性能。
|
关 键 词: | 滚动轴承 故障跨域诊断识别 中间桥层和相似矩阵 对抗性迁移学习 领域自适应 深度卷积神经网络 |
|