基于域对抗迁移的变工况滚动轴承故障诊断模型

论文摘要

将变工况下轴承状态识别的难题归结为领域自适应问题,提出了一种基于域对抗迁移的变工况滚动轴承故障诊断模型。模型以一维振动信号为输入,主要包含特征提取器、故障分类器和领域分类器三部分功能结构。特征提取器由卷积层、残差单元和双向长短时记忆(Bi_LSTM)神经单元组成,用于提取振动信号的特征;故障分类器负责振动信号的状态分类;领域分类器负责区分信号来自源域或目标域。模型通过在分类器间添加梯度翻转层构建对抗迁移网络,完成领域自适应工作,能够借助有标签的定工况源域数据集实现对无标签的变工况目标域数据集的诊断识别,进而完成变工况下的故障诊断。试验结果表明,该模型能够提取适用于不同工况间迁移的特征,提升了变工况下各故障类型的诊断表现;变工况下平均诊断准确率可达97.42%,诊断表现优于直接跨域诊断的模型。

论文目录

• 0 引言
• 1 域对抗迁移方法
•   1.1 基本思想
•   1.2 优化目标
•   1.3 反向传播与参数更新
• 2 基于域对抗迁移的变工况故障诊断模型
• 3 试验及结果分析
•   3.1 试验数据
•   3.2 试验设置
•   3.3 结果分析
•     3.3.1 对抗迁移诊断结果对比
•     3.3.2 故障类别诊断结果
•     3.3.3 可视化分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 金余丰,刘晓锋,姚美常,黄凤良

关键词: 滚动轴承,变工况,故障诊断,域对抗迁移,残差单元,长短时记忆,梯度翻转,领域自适应

来源: 自动化仪表 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 南京师范大学电气与自动化工程学院,江苏方天电力科技有限公司

基金: 国网江苏省电力公司科技基金资助项目(5210EC16000Q)

分类号: TH133.33

DOI: 10.16086/j.cnki.issn1000-0380.2019050032

页码: 55-60+65

总页数: 7

文件大小: 1209K

下载量: 292