动力学仿真数据驱动的域自适应智能诊断方法
China Mechanical Engineering（2023）
Abstract
高质量标记数据是基于深度学习的故障诊断方法有效性的重要保障,然而在实际中难以获取大量工业标记故障案例,导致模型的泛化诊断能力弱.针对该问题,提出了动力学仿真数据驱动的域自适应智能诊断方法,该方法考虑仿真数据与实际数据的本质差异,引入了一种特征分离网络域自适应诊断模型,在传统的域自适应模型基础上增加了目标域独有特征提取器以显式分离实际数据中的环境噪声等特征,增强域不变故障特征表示和聚类能力.提出了将域共享特征提取器诊断结果用于域独有特征提取器模型参数的训练策略,进一步提高模型的训练稳定性.采用凯斯西储大学轴承数据集测试了所提方法的诊断性能,结果表明诊断准确率和特征提取及聚类能力均优于其他对比迁移方法,并经验性地分析了模型超参数敏感度.
MoreKey words
dynamics model,fault diagnosis,domain adaptation,feature separation network
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined