首页|基于特征的迁移神经网络轴承智能故障诊断

基于特征的迁移神经网络轴承智能故障诊断

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提升传统迁移学习故障诊断中信息挖掘深度,实现不同机器间的迁移学习,提出了一种基于特征的迁移神经网络轴承智能故障诊断方法.首先利用一个域共享的卷积神经网络同时从BLMS和BRMS中提取原始振动数据的可传递特征.然后,提出了多层域自适应和伪标记学习的正则化项,对神经网络的参数施加约束,以减小学习的可迁移特征的分布差异和类间距离.利用实验室采集的电机轴承和齿轮箱轴承的数据,识别出实际情况下机车轴承的健康状态.结果表明,该方法能够有效地学习可传递特征,弥补BLMS和BRMS数据之间的差异,验证了该方法的有效性.
Intelligent Fault Diagnosis of Bearing Based on Feature Transfer Neural Network

王业统、吴海威、李美、苏明

展开 >

海南科技职业大学信息工程学院,海南 海口 571126

海南大学机电工程学院,海南 海口 570228

海南科技职业大学机电工程学院,海南 海口 571126

迁移学习 神经网络 轴承 故障诊断

2019年海南省基础与应用基础研究计划(自然科学领域)高层次人才项目

2019RC144

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2022.378(8)
  • 1
  • 10