基于無監(jiān)督特征對(duì)齊的滾動(dòng)軸承故障診斷

打開文本圖片集

摘要針對(duì)不同轉(zhuǎn)速環(huán)境下采集到的滾動(dòng)軸承振動(dòng)數(shù)據(jù)特征分布不一導(dǎo)致待診斷樣本標(biāo)簽較難獲取的問題，提出一種基于深度遷移網(wǎng)絡(luò)的故障診斷方法。首先，搭建領(lǐng)域共享的特征提取網(wǎng)絡(luò)，利用卷積神經(jīng)網(wǎng)絡(luò)（ Convolutional Neural Network ，CNN）提取振動(dòng)信號(hào)中敏感故障特征，并結(jié)合雙向長(zhǎng)短時(shí)記憶（ Bi-directional Long Short-Term Memory ，BiLSTM）網(wǎng)絡(luò)進(jìn)一步提取敏感故障特征中的時(shí)間信息;然后，在深度遷移網(wǎng)絡(luò)中分別嵌入 CORAL 損失和 JMMD 損失，通過最小化二階統(tǒng)計(jì)量差異和聯(lián)合分布最大均值差異值，縮小源域和目標(biāo)域特征分布差異，進(jìn)而提取到兩域的共同特征;最后，添加 Softmax 分類層，實(shí)現(xiàn)對(duì)目標(biāo)數(shù)據(jù)的故障狀態(tài)識(shí)別。（剩余12764字）