机械设计与制造2022，Vol.378Issue(8) ：80-87.

基于特征的迁移神经网络轴承智能故障诊断

Intelligent Fault Diagnosis of Bearing Based on Feature Transfer Neural Network

王业统 吴海威 李美 苏明
机械设计与制造2022，Vol.378Issue(8) ：80-87.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于特征的迁移神经网络轴承智能故障诊断

Intelligent Fault Diagnosis of Bearing Based on Feature Transfer Neural Network

王业统 1吴海威 1李美 2苏明3
扫码查看

作者信息

  • 1. 海南科技职业大学信息工程学院,海南 海口 571126
  • 2. 海南大学机电工程学院,海南 海口 570228
  • 3. 海南科技职业大学机电工程学院,海南 海口 571126
  • 折叠

摘要

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.

关键词

迁移学习/神经网络/轴承/故障诊断

引用本文复制引用

基金项目

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)

出版年

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
被引量1
参考文献量10
段落导航相关论文