计量学报

作者：温江涛,刘仲雨,孙洁娣,时培明

单位：1. 燕山大学 河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004; 2. 燕山大学 电气工程学院, 河北 秦皇岛, 066004;

关键词：轴承故障诊断; 自监督学习; 跨工况; 对抗迁移

基金：国家自然科学基金(61973262);河北省自然科学基金 (E2020203061);河北省重点研发计划项目(22371801D);河北省重点实验室项目(202250701010046)

轴承智能故障诊断应用中,由于实际工况复杂多变,极难获得足够的真实故障数据,且目标域和源域信号存在较大差异,导致深度模型的跨工况迁移识别也出现特征提取及分类困难、模型泛化性弱。考虑到目标域存在大量无标签数据,引入无监督思想,提出基于自监督学习结合对抗迁移的改进方法。首先根据信号本身特点创建辅助任务,对大量无标签数据学习,建立源域与目标域故障类别之间的内在联系;再通过对抗域适应和联合最大平均差异将源域知识迁移到目标域中,结合辅助任务优化两域差异,最终实现目标域准确的故障分类。用2个公开的轴承数据集上验证了所提方法的性能,实验结果表明,所提方法的故障诊断识别准确率在多数情况下均高于98%。

来源：2024年第9期

《计量学报》期刊编辑部

查看计量学报杂志2024年第9期