科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对实际工业环境中较难获取大量的高质量滚动轴承故障数据，智能诊断模型泛化性能差的问题，提出了一种基于仿真数据驱动和领域自适应的故障诊断方法。首先，建立仿真数据驱动故障诊断所需的物理模型，并根据轴承的型号及相应工况模拟不同故障形式，获得丰富的仿真数据；其次，采用迁移学习的方法解决仿真与实际故障数据存在数据特征分布不一致的问题，通过残差通道注意力机制网络提取不同领域的迁移故障特征，采用考虑了源域与目标域数据特征的条件分布差异的条件最大均值差异度量准则进行网络训练过程中不同领域的自适应操作；最后，在人为损坏和加速寿命实验损坏的轴承数据集上进行了不同迁移模型的实验验证，结果表明所提方法能在目标域小样本监督情况下获得较高的识别精度。
- 单位
