《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：赵群
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

基于深度特征选取的旋转机械跨域故障诊断

作者：何财林,费国华,朱坚,等日期：2022-12-20/span> 浏览：455 查看PDF文档

基于深度特征选取的旋转机械跨域故障诊断*

何财林1,费国华2,朱坚3,董飞4,宋俊材4

(1.浙江工业职业技术学院机电工程学院,浙江绍兴 312099;2.嘉兴技师学院,浙江嘉兴 314001;

3.杭州第一技师学院,浙江杭州 310023;4.安徽大学互联网学院,安徽合肥 230039)

摘要:在实际的工业场景中,对旋转机械进行故障诊断时,存在着标签故障样本不足和数据分布差异的问题,为此,基于深度特征选取和迁移学习方法,提出了一种新的跨域故障诊断方法。首先,利用深度自编码器进行了深度特征提取,利用不同激活函数下的深度自编码器提取出的深度特征,构建了深度特征池;然后,采用提出的面向跨域诊断的特征选取方法,选取了可迁移特征用于后续的特征迁移学习,利用所提出的改进联合分布适应方法,降低了源域和目标域特征数据间分布差异;最后,基于经迁移学习后的有标签源域样本和无标签目标域样本,对故障识别分类器进行了训练,并利用机械故障模拟实验台的轴承和电机故障数据,开展了旋转机械跨域故障诊断的实验。研究结果表明:与对比模型相比,所提出的方法能够取得更优秀的跨域故障诊断性能;在选取合适的特征数时,其最大故障诊断准确率明显高于其他对比模型(其中,轴承为95.42%,电机为88.67%)。

关键词:转动机件;标签故障样本不足;深度特征选取;联合分布适应;多核最大均值差异;迁移学习方法;深度自编码器

中图分类号:TH133;TH17
文献标识码:A文章编号:1001-4551(2022)10-1345-11

本文引用格式:

何财林,费国华,朱坚,等.基于深度特征选取的旋转机械跨域故障诊断［J］.机电工程,2022,39(10):1345-1355.

HE Cai-lin, FEI Guo-hua, ZHU Jian, et al. Cross-domain fault diagnosis of rotating machinery based on deep features selection［J］.Journal of Mechanical & Electrical Engineering, 2022,39(10):1345-1355.