《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于模型采样和领域对抗神经网络的轴承故障诊断方法

作者：高晗,毛阗,韦荣阳,等日期：2022-10-20/span> 浏览：1287 查看PDF文档

基于模型采样和领域对抗神经网络的

轴承故障诊断方法*

高晗1,毛阗2,3,韦荣阳1,张建中4,黄立荣4,杨健1

(1.浙江大学化工机械研究所,浙江杭州 310027;2.浙江大学平衡建筑研究中心,浙江杭州 310028;

3.浙江大学建筑设计研究院有限公司,浙江杭州 310028;4.杭州元创新型材料科技有限公司,浙江杭州311500)

摘要:为了适应不同产品的不同加工要求,轴承需要工作于不同的工况下,但是工况的变化会造成数据分布差异,从而导致轴承故障诊断模型的性能下降,同时目前也缺少
针对无标签情况下实现故障类别均衡采样的方法，为此
,提出了一种基于模型采样(MBS)和领域对抗神经网络(DANN)的轴承故障诊断方法。首先,使用基于模型采样(MBS)的方法,将预训练模型输出的类别概率分布作为采样依据,克服了在无标签目标工况下实现类别均衡采样的困难;然后,结合领域对抗神经网络(DANN),设计了将特征从目标工况迁移到源工况的网络结构;最后,在故障模拟实验数据上,建立了高精度的变工况轴承故障诊断模型,并将采用该方法所获结果与采用多种对照方法所获结果进行了对比分析,以验证该方法在变工况轴承故障诊断上的有效性和优越性。研究结果表明:在模拟实验中,采用基于MBS-DANN的方法可达到98.41%的平均诊断准确率,相比随机采样法提高超过10%;这说明无标签样本类别均衡采样具有重要意义,也可验证基于MBSDANN的方法在变工况轴承故障诊断上的有效性和优越性。

关键词:定厚辊轴承;无标签采样法;类别均衡采样;特征迁移学习;模型采样;领域对抗神经网络

中图分类号:TH133.3; TP277文献标识码:A文章编号:1001-4551(2022)08-1024-07

本文引用格式:

高晗,毛阗,韦荣阳,等.基于模型采样和领域对抗神经网络的轴承故障诊断方法［J］.机电工程,2022,39(8):1024-1030.

GAO Han, Mao Tian, WEI Rong-yang, et al. Fault diagnosis method for bearings based on MBS-DANN［J］.Journal of Mechanical & Electrical Engineering, 2022,39(8):1024-1030.