无监督对抗迁移学习轴承故障诊断
作者:袁海飞; 尹洪申; 俞啸
更新时间:
针对轴承故障诊断中数据标签获取困难、变工况诊断精度低、模型诊断泛化能力弱的问题,提出了一种无监督的反迁移学习轴承故障诊断方法(MSWDDA)。首先,将源域和目标域的振动信号通过一层大卷积核来提取轴承故障的短期特征。其次,根据不同卷积核获得的不同特征,通过两个31和51卷积核更全面地获得不同电平的信号特征。然后,通过域反迁移模块更好地协调源域和目标数据之间的分布。最后进行了故障分类。通过对某高校轴承数据集的实验,证明了该模型在不同工况下的数据集具有较高的诊断精度,并显示了该模型良好的泛化能力。