科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对跨工况下无监故障诊断特征提取难、模型泛化性弱的问题，提出一种基于对称式对比学习策略的齿轮箱无监督故障诊断方法。首先，利用原始信号构建正负样本集，通过加噪声、序列倒转等数据增强后，分别输入两个结构相同的卷积神经网络提取高维特征；其次，度量正负样本的相似程度进行编码学习数据的隐藏表示，通过对称式自监督对比学习优化正负样本的对比估计损失函数，从而有效利用样本自身标签信息，提升网络从无标签样本中学习判别特征的能力；最后，在齿轮箱数据集上对所提方法开展试验验证，通过聚类准确率、分类系数和划分熵进行综合评估。结果表明，所提方法聚类精度可达98%以上，相比其他方法，呈现了更强的聚类能力和泛化性能。
- 单位
