计算机应用研究

作者：周华锋,程培源,邵思羽,赵玉伟,焦晓璇,

单位：空军工程大学a.防空反导学院;b.航空工程学院,西安710051；

关键词：轴承,智能故障诊断,无监督域自适应,动态卷积,

基金：国家自然科学基金资助项目；陕西省自然科学基础研究计划资助项目；十四五装发预先研究项目；；

现有基于深度学习的轴承故障诊断方法对数据具有一定的依赖性，要求训练数据与测试数据具有相同的分布。在变工况的条件下，网络模型的故障诊断精度会因数据分布发生变化而下降。为保证网络模型能够在变工况条件下对轴承的健康状态进行准确识别，基于无监督域自适应理论，提出一种新颖的智能故障诊断网络模型——动态卷积多层域自适应网络。该网络一方面充分利用动态卷积强有力的特征提取能力，提取更多有效的故障特征；另一方面采用相关对齐实施非线性变换，同时对齐多层故障特征分布的二阶统计量，促进源域的诊断知识向目标域迁移，提高了模型在目标域无故障标签条件下的故障识别准确率。最后，在两个数据集共14个迁移任务下进行实验，实验结果表明，动态卷积多层域自适应网络能够实现较高的故障诊断识别精度。

来源：2022年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第7期